A OpenAI publicou os primeiros resultados de benchmark do seu chip de inferência AI personalizado, Jalapeño, em 25 de agosto de 2026. Os números são expressivos o suficiente para que qualquer pessoa que use o ChatGPT no celular se importe. O chip entrega respostas mais rápidas, atende mais usuários simultâneos por watt e processa modelos de linguagem grandes com mais eficiência que o hardware Nvidia atual. Se você usa o ChatGPT ou qualquer aplicativo construído sobre modelos da OpenAI, o chip Jalapeño importa porque afeta diretamente a velocidade e a confiabilidade das respostas.
O Que É o Chip OpenAI Jalapeño
Jalapeño é um Circuito Integrado de Aplicação Específica, ou ASIC, construído em parceria com a Broadcom. A OpenAI o apresentou em junho de 2026 como seu primeiro silício personalizado projetado especificamente para inferência AI. Diferente das GPUs de propósito geral que lidam com treinamento e inferência, Jalapeño foca em uma única tarefa: executar modelos treinados para atender solicitações de usuários. Essa especialização faz diferença. Quando você projeta um chip para um propósito único, pode remover tudo que não serve a esse propósito e concentrar recursos nas partes que importam.
O chip opera com 700 watts nominais, mas sua potência sustentada durante os testes permaneceu em ou abaixo de 550 watts. A equipe de hardware da OpenAI o construiu desde o início para minimizar a movimentação de dados entre unidades de processamento, que é uma das maiores fontes de latência na inferência AI. O estado do modelo, incluindo o cache KV usado na geração de respostas, permanece local em vez de transitar entre chips. Essa decisão arquitetural é o motivo pelo qual Jalapeño consegue entregar mais throughput e menos latência ao mesmo tempo, enquanto sistemas concorrentes normalmente exigem uma escolha entre os dois.
Resultados do Benchmark Jalapeno Contra Hardware Nvidia
A OpenAI testou Jalapeño no InferenceX, uma plataforma pública de benchmark da SemiAnalysis que mede o processo completo de atendimento de uma solicitação AI. Os sistemas de comparação foram os superchips Nvidia GB200 e GB300, que representam o melhor hardware comercialmente disponível no momento dos testes.
Os resultados abrangem três modelos de pesos abertos: GPT-OSS 120B, DeepSeek R1 670B e Kimi K2.5 1T. Veja o que os números mostram:
- 1,5 a 1,9x mais trabalho AI por watt no pico de throughput em todos os três modelos
- 1,7 a 3,6x menos latência de ponta a ponta em todos os três modelos
- 2,1 a 4,1x mais desempenho em cargas de trabalho altamente interativas
- No Kimi K2.5 1T, o maior modelo testado, Jalapeño entregou 3,4x menos latência especificamente
A comparação usou a classificação de potência pública de cada acelerador. Jalapeño é classificado em 700 watts contra 1.200 watts do GB200 e 1.400 watts do GB300. Ou seja, Jalapeño alcançou esses ganhos consumindo significativamente menos potência que as alternativas Nvidia.
| Modelo | Ganho de Throughput/Watt | Redução de Latência |
| GPT-OSS 120B | 1,9x maior | 1,7x menor |
| DeepSeek R1 670B | 1,7x maior | 3,6x menor |
| Kimi K2.5 1T | 1,5x maior | 3,4x menor |
Para o GPT-OSS 120B especificamente, Jalapeño entregou 85.448 tokens mistos por segundo por quilowatt contra 44.960 do GB200. No DeepSeek R1, gerenciou 19.641 contra 11.781. Não são melhorias marginais. Representam uma mudança significativa na eficiência com que a inferência AI pode ser feita.
Como Jalapeño Trata a Inferência AI de Forma Diferente
A inferência de modelos de linguagem tem fases distintas. Prefill, quando o sistema processa o prompt, é intensivo em computação. Decode, quando o sistema gera a resposta token por token, é limitado pela largura de banda de memória. Um chip que se sai bem em prefill pode travar durante decode enquanto espera a movimentação de dados entre núcleos.
A arquitetura de Jalapeño aborda isso mantendo o estado do modelo local e ativando a combinação certa de computação, memória e rede para cada fase. O chip usa um domínio grande que permite que toda a carga de trabalho permaneça dentro de um sistema conectado. Isso reduz atrasos de comunicação, que é onde GPUs de propósito geral perdem tempo. O resultado é um acelerador equilibrado que lida bem tanto com prefill quanto com decode, e se adapta conforme o equilíbrio entre os dois muda. Essa adaptabilidade é o que o torna particularmente adequado para cargas ágeis, onde tarefas são executadas em múltiplos passos e atrasos se acumulam.
O Que Isso Significa para Usuários do ChatGPT no Celular
Se você usa o aplicativo ChatGPT no Android, não vai interagir diretamente com o hardware Jalapeño. O chip fica nos data centers da OpenAI, não no seu celular. Mas os ganhos de desempenho se traduzem em melhorias concretas para o usuário de três formas.
Primeiro, menos latência de ponta a ponta significa que as respostas começam mais rápido. Nos maiores modelos testados, a latência caiu mais de 3x. Para agentes interativos que precisam completar múltiplos passos em sequência, essas economias se acumulam. Uma tarefa que exige cinco chamadas sequenciais de inferência teria o atraso total reduzido proporcionalmente.
Segundo, mais throughput por watt significa que a OpenAI pode atender mais usuários simultâneos com a mesma quantidade de energia. Durante horários de pico, isso significa menos limites de taxa, menos atrasos em fila e acesso mais confiável. Se você já recebeu uma mensagem de "ChatGPT está no limite de capacidade", uma melhor eficiência de hardware resolve esse problema diretamente.
Terceiro, o custo por inferência cai. A OpenAI disse explicitamente que Jalapeño pode melhorar as margens operacionais, permitindo que trabalho útil e receita cresçam mais rápido que o custo de atendimento. Custos menores facilitam oferecer modelos capazes em faixas de assinatura mais baixas ou gratuitamente. Os ganhos do chip AI ChatGPT acabam chegando aos usuários por meio de melhor disponibilidade e respostas mais rápidas.
Calendário de Implantação e Parceria com Nvidia
A OpenAI planeja implantar Jalapeño em pequenos volumes até o final de 2026, com aumento de produção ao longo de 2027. A empresa não divulgou números específicos de implantação. Este é um chip de primeira geração, e a OpenAI já está desenvolvendo as gerações 2 e 3.
Mas Jalapeño não vai substituir o hardware Nvidia completamente. Richard Ho, vice-presidente de hardware da OpenAI, disse durante uma coletiva para a imprensa que a estratégia geral de computação da empresa inclui "parceiros muito bons" e que a OpenAI não espera substituir toda sua linha de chips por Jalapeño. A OpenAI vai continuar implantando aceleradores Nvidia para cargas de treinamento e inferência junto com seu silício personalizado.
Essa abordagem dupla faz sentido. As GPUs da Nvidia são de propósito geral e podem lidar com novas arquiteturas de modelos rapidamente. Jalapeño é otimizado para as cargas de trabalho específicas que a OpenAI executa hoje, mas adaptá-lo a novas famílias de modelos ainda exige novos kernels e otimizações específicas. A flexibilidade do hardware Nvidia preenche lacunas que o silício especializado não consegue cobrir ainda.
IA Usada para Projetar e Programar o Chip
Um dos detalhes mais marcantes do blog da OpenAI é que a própria IA desempenhou um papel direto no desenvolvimento de Jalapeño. A equipe passou do design inicial ao tapeout em nove meses, usando modelos anteriores da OpenAI para explorar implementações e encurtar ciclos de design. A IA também ajudou a melhorar os circuitos aritméticos do chip, permitindo que a equipe colocasse mais desempenho de computação no espaço disponível.
Do lado da programação, engenheiros usaram Codex com GPT-Astra para levar três modelos de pesos abertos a alto desempenho em Jalapeño dentro de dois meses, incluindo modelos que não faziam parte do plano original de produção. Para blocos selecionados de atenção e mixture-of-experts do GPT-OSS, implementações geradas por IA rodaram 1,5 a 1,8x mais rápido que as versões escritas por especialistas humanos. Esses ganhos se aplicam a blocos específicos e não ao modelo completo, mas apontam para um ciclo de desenvolvimento onde cada geração de chips é melhorada pelos modelos rodando na geração anterior.
Por Que o Chip OpenAI Importa para Apps de IA
Os resultados do benchmark Jalapeño importam além dos números brutos de desempenho. Mostram que uma empresa que constrói modelos de IA também pode construir hardware que atende esses modelos com mais eficiência que as melhores alternativas de propósito geral. Essa integração vertical, do design de modelos até o silício, é o que permite à OpenAI ajustar cada camada da stack em conjunto.
Para o espaço mais amplo de apps de IA, hardware de inferência melhor significa que desenvolvedores podem construir aplicações ágeis mais complexas sem bater em limites de latência. Se você está construindo sobre a API do ChatGPT ou usando modelos da OpenAI dentro do seu app Android, inferência mais rápida e barata dá mais espaço para criar experiências que parecem responsivas no celular. A distância entre um modelo rodando em um data center e um app parecendo instantâneo no telefone diminui.
A pressão competitiva também empurra a Nvidia e outros fornecedores de hardware a melhorar mais rápido. Alternativas mais eficientes significam que o poder de preços muda para os compradores, o que inclui provedores de nuvem e, em última instância, desenvolvedores de apps e usuários finais. Se você usa apps com IA no Android, a corrida de hardware entre o silício personalizado da OpenAI e as GPUs da Nvidia afeta diretamente a qualidade da sua experiência.
A conclusão é simples: Jalapeño não é apenas uma história de hardware para engenheiros de data center. É a camada de infraestrutura que determina quão rápido seus apps de IA respondem e quanto custam para operar. Os primeiros resultados de benchmark da OpenAI sugerem que a empresa está levando a sério construir essa camada ela mesma, em vez de apenas comprar de terceiros.
Para experimentar os recursos de IA que se beneficiam dessas melhorias de infraestrutura, faça o download do aplicativo ChatGPT na APKPure. O app dá acesso direto aos modelos da OpenAI no seu dispositivo Android, e conforme o hardware Jalapeño entra em operação, você notará respostas mais rápidas e melhor disponibilidade sem precisar atualizar nada no seu aparelho.
Nota de segurança e privacidade: os resultados de benchmark são baseados em testes internos da OpenAI e dados públicos do InferenceX. O desempenho real em dispositivos móveis depende da sua conexão de rede, hardware do dispositivo e carga atual do servidor. O aplicativo ChatGPT na APKPure é o cliente oficial da OpenAI, e suas conversas são tratadas sob a política de privacidade da OpenAI. O calendário de implantação está sujeito a alterações conforme a qualificação de produção e a maturação do software continuam.