Em quais modelos o chip Jalapeño da OpenAI foi testado? GPT-OSS 120B, DeepSeek R1 e Kimi K2.5

Fala aí, beleza? A OpenAI acabou de medir o primeiro chip que ela mesma projetou, e dois dos três modelos usados no teste não são da casa

No dia 25/08/2026 saíram os primeiros resultados medidos do Jalapeño, o chip customizado de inferência da empresa

E a parte que mais interessa não é o gráfico bonito, é a LISTA

Porque quando uma empresa mede o próprio silício rodando só o próprio modelo, a desconfiança é imediata: será que o chip foi afinado pra aquele grafo específico e desaba em qualquer outra coisa? A escolha dos modelos é o que responde isso

O que é o Jalapeño e o que é o InferenceX

Formação Recomendada

Formação Claude Code

Domine Claude Code do absoluto zero até o avançado

• 120 aulas
• 4 projetos
• 9h 45min

Conhecer formação

O Jalapeño foi anunciado em 24/06/2026, numa parceria entre OpenAI e Broadcom, como um processador dedicado a inferência de LLM

Inferência, só pra alinhar: é a hora em que o modelo já está treinado e está lá respondendo suas requisições. Não é treino

Segundo Greg Brockman, o chip foi projetado de ponta a ponta em nove meses, com auxílio dos próprios modelos da OpenAI

Nove meses pra um chip é rápido pra caramba

E o InferenceX? É o benchmark usado na medição

Ele é operado pela SemiAnalysis, é aberto e automatizado, tem dashboard público e as execuções são auditáveis via GitHub Actions, no repositório SemiAnalysisAI/InferenceX

Ou seja: a régua não é uma planilha interna da OpenAI, é uma suíte pública que qualquer um pode ir olhar como funciona

Guarda essa distinção, porque ela volta lá embaixo 😉

Os três modelos lado a lado: quem fez, licença e tamanho

O GPT-OSS 120B é o modelo de pesos abertos da própria OpenAI, publicado sob Apache 2.0

Ele tem 117 bilhões de parâmetros totais, mas cerca de 5,1 bilhões ativos por token (o 120B do nome é arredondamento comercial, a contagem real é de 117 bilhões)

Esse perfil é o mais leve dos três em ativação: o hardware sofre menos com movimentação de peso por token e mais com o ritmo da geração

O DeepSeek R1 veio do laboratório chinês DeepSeek, com pesos abertos sob licença MIT, e é um Mixture of Experts de 671 bilhões de parâmetros totais com cerca de 37 bilhões ativos por passagem (no benchmark da OpenAI ele aparece listado como 670B)

Aqui a conta muda de figura: o modelo inteiro precisa estar acessível, mas só uma fatia trabalha a cada passagem

É um teste de memória e de roteamento, não só de força bruta. Se você quiser entender melhor onde cada modelo da casa se encaixa, já falamos sobre a diferença entre o R1 e o V3 por aqui

O Kimi K2.5 foi lançado pela Moonshot AI em 27/01/2026, também de pesos abertos, com 1 trilhão de parâmetros totais em arquitetura Mixture of Experts e cerca de 32 bilhões ativos

Esse é o extremo da lista: trilhão de parâmetros pra segurar, ativação pequena pra executar

Três perfis bem diferentes, e é exatamente esse o ponto de ter escolhido eles

O que os números mostraram nos três modelos

A OpenAI reporta o mesmo padrão nos três, sem exceção

• 1,5x a 1,9x mais trabalho de IA por watt no pico de throughput
• 1,7x a 3,6x menor latência ponta a ponta
• 2,1x a 4,1x mais desempenho em cargas altamente interativas

A comparação foi feita contra os sistemas GB200 e GB300 da Nvidia, da geração Blackwell

E o número que amarra a conversa de eficiência é o de potência

O TDP de pacote declarado nos testes foi de 700 W para o Jalapeño, contra 1.200 W do GB200 e 1.400 W do GB300

Mais que isso: a potência sustentada medida do Jalapeño ficou igual ou abaixo de 550 W nas cargas testadas, ou seja, abaixo do próprio TDP nominal

Esse é o tipo de dado que sustenta a alegação de trabalho por watt, e não só de velocidade bruta

Repara que os ganhos vêm em FAIXA, não em número cravado

Faixa aqui é sinal de honestidade: o comportamento varia conforme o modelo e o tipo de carga, e a empresa preferiu mostrar o intervalo

Testar em modelo de terceiros muda o peso da alegação? Sim, mas até certo ponto

Vamos ao que interessa

Rodar em dois modelos de laboratórios chineses (DeepSeek e Moonshot AI) afasta bastante a suspeita de chip costurado sob medida pro modelo da casa

A OpenAI não tem controle sobre a arquitetura do R1 nem do K2.5. Ela não escolheu como esses modelos ativam experts, como distribuem parâmetros, nada disso

E a variação de tamanho ajuda: 117B, 671B e 1T

Se o ganho aparecesse só no GPT-OSS 120B, a leitura seria completamente outra

Agora o contrapeso, sem passar pano

Os resultados são autorreportados pela OpenAI

A SemiAnalysis acompanhou as execuções presencialmente, o que já é mais do que costuma acontecer nesse tipo de anúncio, mas ainda não rodou a suíte completa de forma independente nem testou o chip no AgentX

Acompanhar não é reproduzir

Segundo ponto: a comparação parou na geração Blackwell

O Jalapeño não foi comparado à geração Vera Rubin da Nvidia, que já começou a ser enviada

Então o "bate o GB300" é verdade dentro do recorte escolhido, e o recorte não é o topo atual da linha do concorrente

Terceiro: o escopo é só inferência

O chip não endereça treinamento. Nada do que foi medido diz qualquer coisa sobre custo de treinar modelo

Juntando tudo: a lista de modelos fortalece MUITO a alegação, e a falta de execução independente da suíte completa continua sendo o buraco

O que isso muda para quem usa a API da OpenAI

Agora? Nada

O cronograma anunciado prevê implantação inicial do Jalapeño até o fim de 2026, em volumes muito pequenos, com expansão em 2027

Seu app não vai acordar amanhã mais rápido por causa disso

O que vale observar com calma:

1. Como o chip é só de inferência, ele não mexe no ciclo de treino dos modelos. Qualquer expectativa de "modelo novo mais rápido por causa do chip" está olhando pro lugar errado
2. A lista de modelos testados sugere um alvo mais amplo que o catálogo próprio da OpenAI. Um chip validado em GPT-OSS, DeepSeek R1 e Kimi K2.5 não parece pensado pra rodar uma família só
3. O ramp de 2027 é o marco que realmente importa pra quem consome API. Antes disso, é notícia de arquitetura, não de fatura

Calma no debate do hype, beleza? A medição existe, os números são específicos, e o prazo de valer alguma coisa na prática é longo

Vídeo: como sistemas que combinam vários modelos funcionam

Falando em rodar modelos diferentes dentro do mesmo sistema, esse assunto tem um lado de software que é muito massa

Esse vídeo do canal mostra a Sakana Fugu e como esse tipo de sistema é montado

Conclusão

Recapitulando o que ficou de pé

O Jalapeño foi medido no InferenceX em três modelos de pesos abertos: GPT-OSS 120B (117B totais / 5,1B ativos, Apache 2.0), DeepSeek R1 670B (671B totais / ~37B ativos, MIT) e Kimi K2.5 1T (1T totais / ~32B ativos, da Moonshot AI)

Nos três, a OpenAI relata 1,5x a 1,9x mais trabalho por watt no pico, 1,7x a 3,6x menos latência ponta a ponta e 2,1x a 4,1x mais desempenho em cargas altamente interativas, contra GB200 e GB300, com 700 W de TDP de pacote e potência sustentada medida igual ou abaixo de 550 W

O que falta é claro: execução independente da suíte completa e comparação com a geração Vera Rubin

O próximo passo pra quem quer acompanhar sem depender de release: ficar de olho no dashboard público do InferenceX e no ramp anunciado pra 2027

Até o próximo post! 😀