OpenAI протестувала власний чіп під кодовою назвою Jalapeño, і за попередніми даними він перевершує Nvidia Blackwell та ще не випущений Rubin у бенчмарках інференсу. Це перший публічний сигнал, що ставка компанії на власне кремнієве виробництво може реально працювати, а не залишатися рядком у прес-релізах про диверсифікацію постачальників.

Якщо цифри підтвердяться на масштабі продакшену, а не лише в лабораторних тестах, це вплине не тільки на баланс сил між OpenAI і Nvidia, а й на вартість кожного виклику API для тисяч розробників, що будують продукти поверх моделей компанії.

За даними The Decoder, компанія розробляє власне залізо саме для того, щоб зменшити залежність від зовнішнього постачальника GPU — Nvidia, чиї карти й досі складають основу інфраструктури для тренування та запуску моделей на кшталт GPT.

Що саме відомо про чіп Jalapeño?

Jalapeño — кодова назва першого власного чіпа OpenAI, протестованого на бенчмарках інференсу, тобто на обробці запитів уже навченої моделі, а не на тренуванні з нуля.

OpenAI офіційно не підтвердила деталі методології бенчмарків і не назвала дату повноцінного запуску чіпа. Тож коректніше говорити про правдоподібну чутку, а не про підтверджений факт — і саме так до неї варто ставитися, поки компанія не опублікує власні дані.

Навіщо OpenAI взагалі потрібне власне залізо?

Залежність від одного постачальника GPU перетворилася на структурний ризик для бізнесу OpenAI: черги на постачання, обмежені обсяги випуску та ціна самих карт роками стримували темпи розгортання нових продуктів.

Про цю логіку ми вже писали в матеріалі про те, чому OpenAI будує власний стек від чипів до продуктів: власне залізо — це не імідж, а спроба контролювати найдорожчу частину свого бізнесу.

Кому це здешевить інференс і коли?

Якщо перевага Jalapeño над Blackwell і Rubin підтвердиться на реальному навантаженні, а не лише в контрольованих тестах, першими це відчують розробники, що платять OpenAI за виклики API: нижча собівартість інференсу на стороні провайдера — це передумова для зниження цін на токени, а не гарантія.

Тут варто розрізняти два часові горизонти. Найближчим часом (kінець 2026 — 2027 рік) чутки навряд чи вплинуть на прайсинг — компанії потрібен час на масштабування виробництва й валідацію в продакшені. У середньостроковій перспективі, якщо власний чіп справді дешевший в експлуатації за оренду GPU-потужностей, конкуренція з Google (TPU), Amazon (Trainium) і Microsoft (Maia) за ціну інференсу лише загостриться — і це вже добра новина для будь-кого, хто будує продукт поверх LLM-API.

Висновок AiiN

Наша теза проста: сама поява правдоподібних чуток про перевагу Jalapeño важливіша за конкретні цифри бенчмарків, бо вона змінює переговорну позицію OpenAI щодо Nvidia — навіть якщо чіп ще рік-два не піде в масове виробництво. За нашою оцінкою, для AI-білдерів це сигнал не змінювати архітектуру продукту вже зараз, а закладати в юніт-економіку сценарій, де вартість інференсу за 12–18 місяців може впасти помітніше, ніж показує сьогоднішній прайс-лист OpenAI.

Що таке інференс-чип і чим він відрізняється від GPU для тренування?

Інференс-чип — це процесор, оптимізований під запуск уже навченої моделі: швидку обробку запитів користувачів з мінімальною затримкою і енергоспоживанням, на відміну від чипів для тренування, які оптимізовані під масові паралельні обчислення на величезних обсягах даних.

Чи означає це, що OpenAI повністю відмовиться від Nvidia?

Ні: навіть за успіху Jalapeño заміна всієї інфраструктури Nvidia — це багаторічний процес, і найімовірніший сценарій — власні чипи покривають частину інференс-навантаження паралельно з продовженням закупівель у Nvidia.