El procesador de OpenAI y Broadcom Omicrono
Así es Jalapeño, el nuevo procesador con el que OpenAI quiere cambiar las reglas de la inteligencia artificial
OpenAI ha mostrado nuevos datos de Jalapeño, su primer chip propio de inferencia, con más rendimiento por vatio y menor latencia que Nvidia.
Más información: "No hay memoria para comprar": los fabricantes ya han vendido toda su producción de 2027 antes de empezar el año
OpenAI ha dado un paso más en su independencia tecnológica. La compañía ha mostrado los primeros resultados de rendimiento de Jalapeño, su primer chip de inferencia diseñado internamente.
El anuncio llegó durante la conferencia Hot Chips, celebrada el martes. Allí, la empresa detalló cómo funciona su nuevo procesador frente a los sistemas comerciales más avanzados del mercado.
Según los datos compartidos, Jalapeño ofrece más rendimiento por vatio y menor latencia que el hardware líder actual. Las pruebas se realizaron con InferenceX, un banco de pruebas público desarrollado por la firma SemiAnalysis.
Los ensayos incluyeron tres modelos de gran tamaño: GPT-OSS 120B, DeepSeek R1 670B y Kimi K2.5 1T. En todos los casos, Jalapeño mostró ventajas medibles frente a los sistemas de referencia de Nvidia.
Frente al modelo Kimi K2.5, por ejemplo, el chip logró alrededor de 1,5 veces más rendimiento máximo por vatio. La latencia, además, se redujo hasta 3,4 veces respecto al sistema comparado.
Richard Ho, responsable de hardware de OpenAI, explicó el significado de estas cifras en una rueda de prensa. Según sus palabras, el chip puede atender más carga de trabajo por unidad de energía sin sacrificar velocidad de respuesta.
La inferencia de los modelos de lenguaje se divide en dos fases distintas. La primera, llamada prefill, procesa el texto que introduce el usuario y exige mucho cómputo.
La segunda fase, conocida como decode, genera la respuesta palabra por palabra. Esta etapa depende sobre todo del ancho de banda de memoria disponible.
Jalapeño fue diseñado para gestionar ambas fases dentro de una misma arquitectura. Así se evita perder eficiencia al pasar de una etapa a otra del proceso. El propio Sam Altman presume en su cuenta de X de lo rápido que es el procesador.
we made a chip and it is fast
— Sam Altman (@sama) August 25, 2026
El chip tiene una potencia nominal de 700 W. Sin embargo, durante las pruebas, el consumo real se mantuvo en 550 W o por debajo de ese nivel.
El desarrollo se ha llevado a cabo junto a Broadcom, socio industrial de OpenAI en este proyecto. La compañía californiana aporta experiencia en el diseño de componentes y plataformas de infraestructura a gran escala.
Sarah Friar, directora financiera de OpenAI, ha explicado el papel de Jalapeño dentro de una estrategia más amplia. Para ella, el progreso en inteligencia artificial avanza más rápido cuando todo el sistema mejora a la vez.
Esa visión incluye centros de datos, chips propios, modelos de última generación y los productos que llegan al usuario final. Cada capa, según explica, refuerza a la siguiente y genera un ciclo de mejora continua.
OpenAI no piensa abandonar a sus proveedores actuales de hardware. La empresa mantiene acuerdos con Nvidia, AMD, AWS, Broadcom, Cerebras, CoreWeave, Oracle y otras compañías del sector energético.
Esta variedad de socios le permite elegir la opción más eficiente según cada tipo de tarea. El entrenamiento de modelos, la inferencia masiva y los agentes que funcionan de forma continua tienen necesidades distintas.
Aun así, contar con un chip propio le da a OpenAI más control sobre los costes de operación. También le permite ajustar el diseño del hardware a las necesidades exactas de sus propios modelos.
Según Ho, el despliegue de Jalapeño comenzará a finales de 2026, aunque en volúmenes muy reducidos. La expansión más significativa llegaría durante 2027, una vez completadas las fases de validación.
![Mark Zuckerberg, consejero delegado de Meta Plaforms, en un evento en San Francisco (EEUU) el 10 de septiembre de 2024.](["https:\/\/s3.elespanol.com\/k\/imgp\/cms\/elespanol\/11028859.jpg?p=w:320\/h:240&h=o7vziXzT"])
Es importante señalar que todas las cifras difundidas proceden de la propia OpenAI. SemiAnalysis verificó las ejecuciones del banco de pruebas InferenceX, pero no realizó de forma independiente el conjunto completo de mediciones.
La compañía tampoco ha detallado el proceso de fabricación exacto ni la capacidad total del chip. El coste por sistema tampoco se ha hecho público, así que esos datos quedan fuera del análisis por ahora.
Más allá del hardware, OpenAI insiste en que la eficiencia también depende del software. Modelos más precisos necesitan menos intentos para llegar a la respuesta correcta, lo que ahorra cómputo.
Como ejemplo, la compañía citó a GPT-5.6 Sol, que alcanzó una marca alta en un índice de programación usando un 54% menos de tokens que un modelo rival. Menos tokens significan menor coste por cada tarea completada.
Para OpenAI, esta mejora constante en eficiencia abre la puerta a más usos prácticos de la inteligencia artificial. Cuantas más tareas resulten rentables de automatizar, mayor será la demanda de estos sistemas.
