Im Quellenvergleich
Worin die Quellen übereinstimmen
OpenAI hat auf der Hot-Chips-Konferenz erste Benchmark-Ergebnisse für seinen neuen Inferenz-Chip Jalapeño vorgestellt. Der Chip wurde in Zusammenarbeit mit Broadcom entwickelt, wobei OpenAIs eigene KI-Modelle halfen. Die Ergebnisse stammen aus Tests mit dem InferenceX-Benchmark von SemiAnalysis. Jalapeño ist ausschließlich für den Betrieb von KI-Modellen konzipiert, nicht für deren Training. Der Chip minimiert Verzögerungen in den Phasen Prefill und Kommunikation, die laut OpenAI oft Engpässe darstellen. Dazu wird der Modellzustand inklusive des KV-Cache lokal gehalten. Jalapeño soll eine Plattform über mehrere Generationen werden. Die Quellen berichten weitgehend übereinstimmend. Die Designarbeit begann Mitte 2024, im November 2025 ging das finale Design in die Fertigung. Der Chip ist ein universeller Inferenz-Chip, nicht auf eigene Modelle spezialisiert. Die Entwicklung dauerte etwa 16 Monate von der Teambildung bis zum Tapeout. Die Benchmark-Zahlen lieferte OpenAI, SemiAnalysis verifizierte die Läufe teilweise vor Ort. Getestet wurden die offenen Modelle GPT-OSS 120B, Deepseek R1 670B und Kimi K2.5 1T. Jalapeño ist nicht für den Verkauf gedacht, sondern für die eigene Infrastruktur.
Aktualisierungen
25.08.2026
21:08Die Designarbeit begann Mitte 2024, im November 2025 ging das finale Design in die Fertigung.
Der Chip ist ein universeller Inferenz-Chip, nicht auf eigene Modelle spezialisiert.
Die Entwicklung dauerte etwa 16 Monate von der Teambildung bis zum Tapeout.
27.08.2026
11:07Die Benchmark-Zahlen lieferte OpenAI, SemiAnalysis verifizierte die Läufe teilweise vor Ort.
Getestet wurden die offenen Modelle GPT-OSS 120B, Deepseek R1 670B und Kimi K2.5 1T.
Jalapeño ist nicht für den Verkauf gedacht, sondern für die eigene Infrastruktur.
Worin sie sich unterscheidenLeistungsvorsprung gegenüber Nvidia-Systemen·Vergleichsbasis und Fairness·Konkrete Benchmark-Zahlen+4 weitere
Leistungsvorsprung gegenüber Nvidia-Systemen- Der Chip erzielt im InferenceX-Benchmark sowohl mehr Tokens pro Nutzer als auch mehr Durchsatz pro Kilowatt als aktuell verfügbare Spitzenprozessoren.1
- Der Chip übertrifft in Tests alle getesteten Nvidia-, AMD- und Google-Chips.2
- Der Chip übertrifft in mehreren Tests die Nvidia-Chips Blackwell.3
Vergleichsbasis und Fairness- Der Vergleich bezieht sich auf ein Nvidia-Blackwell-System.1
- Der Vergleich mit Blackwell sei unfair, da Jalapeño mit HBM4 gegen Rubins Klasse antritt.2
- Ein fairerer Vergleich müsste gegen Nvidias neuere Vera-Rubin-Plattform stattfinden, da beide HBM4-Speicher verwenden.4
Konkrete Benchmark-Zahlen- Auf GPT-OSS erreichte Jalapeño rund 1.400 Token pro Sekunde pro Nutzer, auf Deepseek R1 über 700 Token pro Sekunde bei einer einzigen Anfrage.4
- Bei niedriger Auslastung erreicht er über 700 Tokens pro Sekunde pro Nutzer.2
Vergleich mit Vera-Rubin- Auch dort liefere Jalapeño pro Megawatt mehr Output-Token, obwohl Rubin auf Multi-Token-Prediction zurückgreift.4
- Bei den Gesamtbetriebskosten pro Token liegen beide etwa gleichauf.4
- Bei den Kosten pro Token liegen beide Chips laut Analyse gleichauf.2
Verfügbarkeit und Auslieferung- Jalapeño wird Ende 2026 in sehr geringen Stückzahlen ausgeliefert, eine größere Verbreitung folgt 2027.1
- Rubin-Systeme werden bereits ausgeliefert, Jalapeño existiert bisher nur als Engineering-Sample.4
Strategische Einordnung- Der Chip ergänzt bestehende Partnerschaften mit Nvidia, AMD, AWS, Cerebras und CoreWeave, statt sie zu ersetzen.4
- Nvidia behält Vorteile beim Training von Modellen und im Ökosystem CUDA, OpenAI benötigt weiterhin viele Nvidia-GPUs.3
- SemiAnalysis sieht darin ein Signal, dass Nvidias „CUDA Moat“ möglicherweise nicht mehr hält.4
Einschränkungen der Benchmark-Tests- Die Tests nutzten einfachere Benchmarks ohne lange Kontexte.2