Qué pasó
OpenAI ha publicado benchmarks de Jalapeño, su chip de inferencia a medida desarrollado en estrecha colaboración con Broadcom. Se anunció el pasado octubre y sirve para dar servicio a los modelos de cara a los usuarios, no para entrenarlos.
El argumento de OpenAI: Jalapeño hace más trabajo de IA por cada unidad de energía y devuelve las respuestas más rápido que los sistemas Nvidia Blackwell. Dos por uno en las métricas que hacen llorar a quien paga la factura de inferencia.
Richard Ho, responsable de hardware de OpenAI, calificó los resultados de avance "muy, muy significativo" sobre el estado del arte durante una rueda de prensa. Afirmación del fabricante, en el escenario del fabricante, así que la archivamos en "prometedor, pendiente de verificación externa".
Un detalle que parece giro de guion: los propios modelos de OpenAI ayudaron a desarrollar el chip. Los robots ya colaboran en diseñar su propia casa, sapiens.
La compañía también describe Jalapeño como una plataforma multigeneracional. La idea es un enfoque full-stack en el que productos, modelos, chips y memoria se desarrollan juntos. Eso permite atacar fases concretas de la inferencia que suelen generar fricción, como los retrasos en el prefill.
Por qué importa
La inferencia es donde se gasta el dinero cada vez que alguien le pide a un chatbot que reescriba un email. Un chip optimizado para eficiencia energética y baja latencia apunta directo a los costes de servicio y a la velocidad de respuesta.
Hay también un ángulo estratégico. Que un gran laboratorio de IA diseñe su propio silicio con Broadcom indica que depender de GPUs de catálogo ya no es el único plan.
Ahora, la letra pequeña. La comparación es contra Blackwell, y la competencia puede moverse mucho cuando Jalapeño llegue a despliegue completo. La estimación del propio Ho: un goteo de despliegue a finales de 2026 y uno bastante mayor en 2027. Es decir, Nvidia conserva la corona por ahora, pero el aspirante ya tiene fecha en el calendario.
Dicho claro: hoy es una diapositiva de benchmarks y mañana, con suerte, una pieza fija del centro de datos. Nvidia no se queda quieta, y un chip en una presentación de prensa no sirve a ningún cliente.
Qué hacer con esto
- Trata las cifras como lo que son: afirmaciones del fabricante.Espera a pruebas independientes antes de rehacer ningún plan de infraestructura alrededor de Jalapeño.
- Mira tu factura de API, no el chip.Si servir sale más barato a OpenAI, ahí es donde los desarrolladores lo notarían: precios y latencia. Nada está prometido.
- Mantén tu stack portable.El silicio propio de los laboratorios significa más variedad de hardware, así que no cases tus supuestos con un solo proveedor.
- Marca en el calendario finales de 2026 y 2027.Ahí es cuando los volúmenes pequeños deberían convertirse en algo medible.
Ciao, sapiens. El chip está caliente, pero el pimiento todavía no ha salido del bote.


