【#OpenAI公布自研芯片测试结果##OpenAI自研芯片跑赢英伟达#】#曝OpenAI完成预训练下一代模型#一觉醒来，关于 OpenAI 的消息真是满天飞。

先是 X 用户独家声称：OpenAI 已完成一次新的预训练，代号「Bel」，参数规模据称超过 10 万亿，或是 Doug 的继任者，可能成为 Astra /GPT-6 的基础模型……

一圈搜索下来发现，并没有准确的消息。但确凿无疑的是，OpenAI 的首款自研推理芯片出成绩了。

就在刚刚，OpenAI 公布了首款自研推理芯片 Jalapeño 的最新测试结果：取得了重大突破，这款芯片专为大语言模型推理设计，通过全新的架构设计，它能够同时提升吞吐量，并降低延迟，在保持高能效的同时，实现两者兼得。并在多个模型测试中超过 NVIDIA GB200、GB300 系统的效率表现。

随即，OpenAI CEO Sam Altman 也在 X 上表示：「我们制造了一款芯片，它的速度很快。」

需要注意的是，作为 OpenAI 首款自研推理芯片，Jalapeño 并不是用于训练下一代 GPT 模型的芯片，而是针对模型上线后的运行阶段进行优化。

简单来说：训练阶段是让模型学会能力，而推理阶段是让模型快速回答用户请求。Jalapeño 则主要解决的是第二个问题。

OpenAI 表示，传统硬件系统往往需要在两个指标之间做取舍：

更高吞吐量（throughput）：单位时间处理更多请求；

更低延迟（latency）：让用户更快得到响应。

例如，大规模批处理可以提升整体效率，但可能增加单次请求等待时间；而追求极低延迟，又可能牺牲资源利用率。Jalapeño 的目标，是在一个架构中同时优化两者。

而在具体性能方面，OpenAI 表示，在多个大模型推理测试中，Jalapeño 要优于 NVIDIA GB200 和 GB300 系统。其中测试模型包括：OpenAI GPT-OSS 120B； DeepSeek R1 670B； Moonshot AI Kimi K2.5 1T。

尤其引人注意的是 DeepSeek R1 和 Kimi K2.5 的出现，这似乎是在说明：Jalapeño 并不是只针对 OpenAI 自家模型优化，而是能够适配不同的大模型工作负载。

有意思的，Jalapeño 可被翻译为「墨西哥辣椒」，而在此消息一经发布后，也是立即引起了各路网友的调侃与热议。

「你打算用辣椒的名字来命名你的芯片吗？迫不及待想体验了。」

而对于 OpenAI 来说，Jalapeño 的推出，表明 OpenAI 正在尝试打通「模型 — 软件 — 芯片 — 数据中心」的一整条链路。

另外值得一提的是，此次 OpenAI 的 Jalapeño 芯片，在硬件上是与 Cerebras 进行的合作。

Tibo 发文称：「这一能力得益于我们与 Cerebras 建立的深度合作，以及他们独特的硬件架构。未来，这种合作还将进一步推动「超快速」体验的边界。

我非常期待双方继续合作，在 Cerebras 平台上不断突破极限，探索如何以最快速度运行我们能力最强的模型，并将这种体验带给对性能要求最高的客户。」

其实，OpenAI 并不是第一家走向自研芯片的 AI 公司。此前很多 AI 大厂也早已纷纷下场造芯。比如 Google 推出了 TPU； Amazon 开发 Trainium、Inferentia； Microsoft 推进 Maia； Meta 也布局自研 AI 加速器……

背后的逻辑非常类似：通用 GPU 足够灵活，但并非针对所有 AI 工作负载优化。对于每天运行海量 AI 请求的公司来说，如果能够针对自身模型、软件系统和服务方式设计芯片，就有机会进一步降低成本……（机器之心）