El chip Jalapeño de OpenAI supera a Nvidia en primeras pruebas

OpenAI aprovechó la conferencia Hot Chips del martes 25 de agosto de 2026 para ofrecer su mirada más detallada hasta ahora sobre Jalapeño, el chip de inferencia que desarrolla internamente, publicando la primera tanda de resultados de referencia para el nuevo sistema. Probado en el benchmark InferenceX de SemiAnalysis, Jalapeño registró tanto más tokens servidos por usuario como mayor rendimiento por kilovatio que los mejores procesadores de inferencia disponibles actualmente — la primera vez que OpenAI respalda con cifras públicas su estrategia de silicio propio.

En resumen, los resultados muestran un avance de rendimiento muy, muy significativo frente al estado del arte. Jalapeño puede atender más trabajo de IA por unidad de energía, y al mismo tiempo devolver respuestas más rápido. Es muy eficiente para atender a muchos clientes, pero también puede ofrecer una latencia muy baja.

Cómo se compara Jalapeño con el Blackwell de Nvidia

La comparación que publicó OpenAI se hizo frente a un sistema construido sobre la arquitectura Blackwell de Nvidia, hoy la referencia del sector para la inferencia de IA a gran escala. Richard Ho, vicepresidente de hardware de OpenAI, dijo a los periodistas que Jalapeño ofrece lo que llamó «lo mejor de ambos mundos» — menor latencia y mayor rendimiento a la vez — cuando los sistemas de IA suelen tener que elegir entre uno u otro. La propia OpenAI reconoce que la comparación es una fotografía puntual: para cuando Jalapeño alcance su despliegue completo, es probable que el hardware de la competencia también haya avanzado de forma significativa.

• De 1,5 a 1,9 veces más trabajo de IA entregado por vatio que los sistemas Nvidia GB200 y GB300 de comparación, en los modelos GPT-OSS 120B, DeepSeek R1 y Kimi K2.5 1T
• De 1,7 a 3,6 veces menos latencia de extremo a extremo en esos mismos tres modelos
• Evaluado en InferenceX, una plataforma de pruebas creada por SemiAnalysis para medir cómo gestionan los sistemas de IA las cargas de inferencia
• Comparado con los mejores resultados públicos registrados en el momento de la prueba, usando las superchips GB200 y GB300 de Nvidia

Construido con Broadcom, y con los propios modelos de OpenAI

Jalapeño fue desarrollado por OpenAI en estrecha colaboración con Broadcom, y la empresa ha dicho que sus propios modelos participaron en el proceso de desarrollo del chip. OpenAI presenta Jalapeño como el inicio de una plataforma multigeneracional, en la que productos de IA, modelos, chips y memoria se diseñan de forma conjunta, en lugar de adaptar el chip después al modelo que deba ejecutarse en él. Ese enfoque «full-stack», según OpenAI, permitió a sus ingenieros atacar fases concretas del proceso de inferencia que suelen generar fricción — sobre todo el «prefill», la fase en la que el sistema procesa e interpreta todo lo que el usuario le ha enviado, y el paso de comunicación que sigue, que con frecuencia se convierte en un cuello de botella a medida que crece la carga de trabajo.

Diseñamos Jalapeño para minimizar el movimiento de datos y los retrasos de comunicación. Esto significa que el estado del modelo, incluida la caché KV utilizada al generar una respuesta, puede colocarse explícitamente y mantenerse en local mientras el sistema activa la combinación adecuada de cómputo, memoria y redes para cada fase de inferencia.

Un primer despliegue pequeño, no un abandono de Nvidia

Ho dijo que se espera que Jalapeño llegue al despliegue «en volúmenes muy pequeños» hacia finales de 2026, con un despliegue más significativo previsto para 2027; OpenAI no ha dicho cuántos chips planea desplegar el próximo año. Pese a los resultados del benchmark, Ho dejó claro que OpenAI no tiene previsto sustituir toda su flota de cómputo por Jalapeño. La estrategia global de cómputo de la empresa, dijo, sigue incluyendo «muy buenos socios», Nvidia entre ellos, y OpenAI planea seguir desarrollando la segunda y la tercera generación del nuevo chip mientras continúa comprando a sus proveedores habituales.

Jalapeño se había dado a conocer públicamente antes en el año — los relatos difieren sobre la fecha exacta, unos sitúan el primer anuncio en octubre de 2025 y otros en junio de 2026 — antes de que el evento del martes aportara las primeras cifras de rendimiento concretas para respaldar la propuesta original. OpenAI pretende que la plataforma siga evolucionando generación tras generación, con hardware, memoria y redes ajustados en conjunto en lugar de comprarse por separado.

Qué cambia esto para las empresas que ejecutan IA en producción

Para cualquier empresa española o latinoamericana cuyo producto dependa de capacidad de inferencia de IA alquilada, Jalapeño importa menos como un chip que comprar — OpenAI no lo vende a clientes externos — y más como una señal de hacia dónde se dirigen el coste de la inferencia y la latencia en los próximos dos o tres años. Los proveedores de nube y los laboratorios de IA que compiten por reducir el coste de servir tokens suelen trasladar las mejoras de eficiencia a sus clientes con el tiempo, mediante precios de API más bajos o respuestas más rápidas al mismo precio. Las empresas que hoy pagan por capacidad de inferencia basada en GPU, y que dudan si comprometerse a largo plazo con proveedores de nube basados en Nvidia, cuentan ahora con un dato concreto más que sugiere que los precios y la latencia actuales no son un techo fijo — y que la dependencia de un único proveedor de hardware de inferencia podría verse diferente de aquí a 2027.