Was Jalapeño kann und was nicht
OpenAI hat den Chip zusammen mit Broadcom entwickelt und im Juni 2026 vorgestellt(öffnet im neuen Fenster). Gefertigt wird nach Branchenangaben bei TSMC in der 3-Nanometer-Klasse, offiziell bestätigt ist das nicht(öffnet im neuen Fenster). Sechs HBM4-Stapel liefern 216 Gigabyte Speicher mit 15,4 Terabyte pro Sekunde Bandbreite. Die Nennleistung beträgt 700 Watt, gemessen wurden im Dauerbetrieb unter 550 Watt. Ein Rack fasst 128 Beschleuniger(öffnet im neuen Fenster).
Die Benchmarks vergleichen Jalapeño mit Nvidias GB200 (1.200 Watt) und GB300 (1.400 Watt). OpenAI nennt einen 1,5- bis 1,9-fach höheren Durchsatz pro Kilowatt und eine 1,7- bis 3,6-fach niedrigere Ende-zu-Ende-Latenz, getestet an GPT-OSS 120B, Deepseek R1 und Kimi K2.5 auf der Suite InferenceX des Analysehauses Semianalysis(öffnet im neuen Fenster). Gemessen hat OpenAI selbst. Semianalysis war bei Läufen im Labor anwesend, weist aber darauf hin, dass alle Zahlen von OpenAI stammen und die Suite nicht vollständig durchlief. Der Einsatz beginnt Ende 2026 in kleinen Stückzahlen, die Fertigung läuft über 2027 hoch.
Was der Chip nicht leistet: Jalapeño trainiert keine Modelle, er ist ein reiner Inferenzbaustein für heutige Transformer-Architekturen und existiert bisher als Vorserienmuster. Die Tests nutzten Single-Token-Prediction; produktive Nvidia-Installationen setzen Multi-Token-Verfahren ein. Verglichen wurde gegen Blackwell, nicht gegen Vera Rubin, das seit August ausgeliefert wird und im laufenden Quartal rund 20 Prozent des Rechenzentrumsumsatzes tragen soll.
OpenAI ist damit spät dran. Google betreibt mit der TPU v7 die siebte Generation eigener Beschleuniger, Verbünde mit bis zu 9.216 Chips(öffnet im neuen Fenster). Anthropic hat sich bis zu einer Million TPUs gesichert(öffnet im neuen Fenster) und nutzt parallel Amazons Trainium, von dem rund 1,4 Millionen Stück ausgeliefert sind(öffnet im neuen Fenster).
Microsoft lässt Maia 200 ebenfalls bei TSMC in 3 Nanometer fertigen(öffnet im neuen Fenster), Meta hat sein MTIA-Programm auf vier Generationen ausgeweitet(öffnet im neuen Fenster).
Wie gut sich beides verträgt, zeigt derselbe Anbieter: Amazon nimmt 2027 und 2028 zwei Millionen zusätzliche Nvidia-GPUs ab, zusätzlich zu mehr als einer Million aus der Zusage vom März(öffnet im neuen Fenster). Der Konzern mit der größten eigenen ASIC-Flotte ist zugleich einer der größten Nvidia-Kunden.
Welche Last sich verlagern lässt
Inferenz, also die Anwendung fertig trainierter Modelle, macht 2026 nach Schätzung von Deloitte rund zwei Drittel der KI-Rechenlast aus – gegenüber einem Drittel im Jahr 2023(öffnet im neuen Fenster). Sie lässt sich am besten auf eigenes Silizium verschieben: Das Lastprofil ist bekannt, ein darauf zugeschnittener Spezialchip kann eine Universallösung bei den Kosten pro Token schlagen.
Es sind wenige elementare Rechenroutinen im Spiel. Wer den eigenen Stack kontrolliert, muss keine fremde Bibliothek portieren. Und die Last fällt rund um die Uhr an, ein Drittel weniger Leistungsaufnahme je Anfrage bedeutet bei Rechenzentren im Gigawatt-Maßstab dreistellige Millionenbeträge pro Jahr.
Beim Training von Grenzmodellen sieht es anders aus. Dort ändern sich Architekturen im Halbjahrestakt, Läufe erstrecken sich über Zehntausende Chips und Wochen. Ein ASIC, der auf die Architektur von 2025 optimiert ist, taugt für das Modell von 2027 wenig. Auch agentische Inferenz gehört vorerst in diese Klasse. Nvidia-CEO Jensen Huang beziffert deren Rechenbedarf auf das 15- bis 100-Fache dessen, was eine einzelne menschliche Anfrage auslöst.
- 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.