Jalapeno: OpenAIs erster KI-Chip schlägt Nvidia bei Effizienz
Inhalt
Nachdem OpenAI im Juni 2026 seinen ersten eigenen KI-Beschleuniger namens Jalapeño präsentierte, gibt es nun Leistungsdaten(öffnet im neuen Fenster): Das KI-Unternehmen hat mit Semianalysis Tests durchgeführt(öffnet im neuen Fenster). Und die zeigen: OpenAI ist, auch dank tatkräftiger Unterstützung durch Broadcom, aus dem Stand ein leistungsfähiger KI-Chip gelungen. Der stellt Nvidias Blackwell-GPUs in den Schatten und dürfte auch gegen Rubin gut dastehen.
Verwendet wurde für die Tests Semianalysis eigene Testbench, Inferencex(öffnet im neuen Fenster). Selbst durchführen durften die Analysten die Tests allerdings nicht, auch wurden nicht alle Szenarien getestet oder die laut Semianalysis aussagekräftigere Testbench Agentx(öffnet im neuen Fenster) genutzt. Inferencex verwendet die Open-Weights-Modelle GPT-OSS, Deepseek R1 und Kimi K2.5 – Jelapeño ist also nicht nur für OpenAIs Modelle konzipiert. Die Entwickler hätten sogar demonstriert, dass Doom auf dem Chip laufe, schreibt Semianalysis – portiert habe es Codex.
Die Ergebnisse bescheinigen Jalapeño insbesondere eine hohe Effizienz: In einigen Szenarien erreiche OpenAIs Chip im Vergleich zu Nvidias B300 die 22-fache Tokenrate pro Watt. Und mit dem neuen Vera-Rubin-System, das aktuell erste Großkunden erhalten(öffnet im neuen Fenster), könne Jalapeño ebenfalls mithalten, wobei hier aber bislang nur wenige Daten vorliegen.
Semianalysis bemängelt allerdings, dass nur relativ kleine Prompts (8.192 Input-, 1.024 Output-Tokens) getestet wurden. Größere Prompts könnten die Ergebnisse noch einmal deutlich ändern. Auch wird aktuell wohl ein optimiertes B0-Stepping gefertigt, das nochmals 25 Prozent effizienter sein soll, die Tests liefen auf einem A0-Stepping.
Mehr Leistung pro MW
OpenAIs Chip könnte aber auch im Vergleich zu Vera-Rubin besser abschneiden, da Letztere bei den Tests spekulatives Decoding (g+) nutzten, Jalapeño hingegen nicht. Insgesamt dürfte die eigene Hardware Inferenz für OpenAI deutlich günstiger machen. Aufgrund der höheren Effizienz können zudem mit der gleichen Anschlussleistung mehr Chips betrieben werden. Da die Energieversorgung aktuell ein großes Problem von Rechenzentren ist, ist das der eigentliche Vorteil.
Aufhorchen lässt insbesondere die Entwicklungsdauer: Laut OpenAI lagen zwischen Aufbau des Entwicklerteams und Tape-out des Chips 16 Monate, das erste Design soll nur neun Monate vor dem Tape-out fertig gewesen sein. Möglich gemacht habe das KI-Nutzung im Design-Prozess. Die habe eine schnellere Evaluation ermöglicht und bei der Optimierung der Recheneinheiten unterstützt.
Auch Astra, die nächste geplante GPT-Version(öffnet im neuen Fenster), nutzte OpenAI bereits, um optimierte Kernel für neue Modelle zu entwickeln. Bei GPT-OSS soll der von Astra entwickelte Code 50 bis 80 Prozent schneller gewesen sein als von menschlichen Experten entwickelte Programme.
- Anzeige Hier geht es zu Künstliche Intelligenz: Wissensverarbeitung bei Amazon Wenn Sie auf diesen Link klicken und darüber einkaufen, erhält Golem eine kleine Provision. Dies ändert nichts am Preis der Artikel.