OpenAI usa IA para desenvolver chip próprio e diz superar Nvidia em testes

A OpenAI divulgou nesta terça-feira (25) os primeiros resultados detalhados do Jalapeño, seu primeiro chip próprio para inteligência artificial, e afirmou ter superado sistemas da Nvidia em testes de velocidade e eficiência energética. O projeto tem ainda uma particularidade: modelos de IA da própria empresa participaram do desenvolvimento e da programação do processador.

O Jalapeño não foi criado para treinar modelos como o ChatGPT do zero. Sua especialidade é a chamada inferência: a etapa que acontece depois que um modelo já foi treinado e precisa receber uma pergunta, processá-la e gerar uma resposta.

Na prática, é justamente essa etapa que usuários encontram ao conversar com uma inteligência artificial. Quanto mais rápido e eficiente for esse processamento, mais solicitações um data center pode atender usando a mesma quantidade de energia e infraestrutura.

Os resultados divulgados pela OpenAI mostram vantagens sobre os Nvidia GB200 e GB300 em três modelos diferentes. Mas há uma ressalva importante: os números foram apresentados pela própria empresa e não significam que o Jalapeño seja superior a qualquer chip da Nvidia em qualquer tipo de tarefa.

O que os testes mostraram

A OpenAI usou o InferenceX, benchmark público desenvolvido pela empresa especializada SemiAnalysis, para testar o Jalapeño com três modelos: GPT-OSS 120B, DeepSeek R1 e Kimi K2.5.

Considerando os três, a OpenAI afirma que seu chip realizou entre 1,5 e 1,9 vez mais trabalho de IA por watt no pico de processamento e apresentou latência entre 1,7 e 3,6 vezes menor que os sistemas usados na comparação.

Latência, neste caso, é o tempo que o sistema leva para completar a tarefa. Um número menor significa que a resposta pode chegar mais rapidamente ao usuário.

No teste com o DeepSeek R1, por exemplo, o Jalapeño foi comparado ao Nvidia GB300. Segundo os dados publicados, o chip da OpenAI registrou 19.641 unidades de processamento por quilowatt contra 11.781 do sistema da Nvidia, vantagem de aproximadamente 1,7 vez.

A diferença de tempo foi maior: 1,65 segundo para o Jalapeño contra 5,99 segundos para o GB300, cerca de 3,6 vezes menos latência.

No GPT-OSS 120B, o Jalapeño apresentou aproximadamente 1,9 vez mais desempenho por quilowatt que o GB200 e completou o teste em 1,03 segundo, ante 1,80 segundo do sistema Nvidia.

Já com o Kimi K2.5, modelo de 1 trilhão de parâmetros, a vantagem apresentada foi de aproximadamente 1,5 vez em desempenho por watt e 3,4 vezes em latência.

Por que gastar menos energia importa tanto

A comparação por watt pode parecer um detalhe técnico, mas toca em um dos maiores problemas da corrida atual por inteligência artificial: energia.

Grandes modelos precisam de milhares de aceleradores funcionando simultaneamente dentro de data centers. A capacidade de simplesmente instalar mais chips encontra limites de eletricidade, refrigeração e infraestrutura.

Isso significa que produzir mais respostas usando a mesma quantidade de energia pode ser tão importante quanto fabricar um processador individualmente mais potente.

Para a OpenAI, um chip próprio também reduz sua dependência de uma única arquitetura e permite desenvolver hardware pensando desde o início em como seus modelos realmente funcionam.

A empresa afirma que projetou conjuntamente chip, memória, rede e software para diminuir o tempo perdido na movimentação de dados dentro do sistema.

É uma estratégia diferente de desenvolver um processador de uso geral e depois adaptá-lo para modelos de linguagem.

A IA ajudou a criar o próprio chip

Um dos aspectos mais incomuns do Jalapeño está no próprio processo de desenvolvimento.

Segundo a OpenAI, modelos de inteligência artificial ajudaram engenheiros a testar diferentes implementações, encurtar ciclos de projeto e verificação e otimizar circuitos do processador.

A empresa afirma ter levado nove meses entre o desenho inicial do Jalapeño e o chamado tape-out, etapa em que o projeto do chip é concluído para fabricação.

O uso de IA continuou depois disso.

Com Codex e GPT-Astra, a equipe conseguiu adaptar três modelos de código aberto que não faziam parte originalmente do planejamento do Jalapeño e levá-los a alto desempenho em dois meses.

Em partes específicas do GPT-OSS, implementações criadas por IA também rodaram entre 1,5 e 1,8 vez mais rápido do que versões existentes escritas por especialistas humanos.

Esse último número exige cuidado: a comparação vale apenas para blocos selecionados do modelo, e não significa que a inteligência artificial tenha produzido sozinha um sistema inteiro 1,8 vez mais rápido que programadores humanos.

Ainda assim, o processo cria uma dinâmica nova na indústria: modelos de IA estão sendo usados para melhorar o hardware que, posteriormente, será responsável por executar novas gerações de inteligência artificial.

Os testes têm limites

Os resultados são relevantes, mas ainda não encerram a disputa com a Nvidia.

A SemiAnalysis, responsável pelo InferenceX, informou que seus analistas estiveram no laboratório da OpenAI e verificaram execuções do benchmark. A empresa, porém, ressalta que os números divulgados foram fornecidos pela OpenAI e que sua equipe não executou de maneira independente toda a bateria de testes.

Também ainda não foram publicados resultados do AgentX, benchmark mais exigente da SemiAnalysis que procura reproduzir tarefas com conversas mais longas, múltiplas interações e outras condições encontradas em sistemas de agentes de IA.

Outro ponto é a geração dos chips comparados.

A SemiAnalysis considera que colocar o Jalapeño apenas contra a família Blackwell, que inclui GB200 e GB300, não apresenta todo o cenário competitivo. Para a empresa especializada, uma comparação tecnológica mais direta também precisa considerar a nova geração Rubin da Nvidia.

Por isso, os resultados permitem afirmar que o Jalapeño foi muito competitivo e superou os sistemas Nvidia escolhidos nos testes apresentados. Eles não permitem concluir que o chip da OpenAI seja simplesmente “melhor que a Nvidia” em qualquer situação.

OpenAI não está abandonando a Nvidia

O desenvolvimento de um processador próprio também não representa uma ruptura imediata entre as duas empresas.

A OpenAI afirma que continuará usando amplamente aceleradores da Nvidia e de outros parceiros tanto para treinamento quanto para inferência.

O Jalapeño passa a ser uma alternativa adicional para tarefas em que sua arquitetura especializada ofereça melhores custos, velocidade ou eficiência.

A implantação dentro da infraestrutura da OpenAI deve começar até o fim de 2026. Uma segunda geração já está em desenvolvimento avançado, enquanto a empresa diz ter começado a trabalhar na terceira.

A estratégia mostra que a disputa por inteligência artificial está entrando em uma nova etapa. Empresas que começaram competindo principalmente por modelos agora tentam controlar também os chips, a memória, as redes e os data centers que tornam esses modelos possíveis.

Para o usuário, essa corrida não significa que o ChatGPT ficará imediatamente 3,6 vezes mais rápido. Mas, se os ganhos apresentados pela OpenAI se mantiverem em grande escala e em cargas reais, eles podem permitir que a empresa processe mais solicitações usando menos energia, um dos fatores decisivos para reduzir custos e ampliar serviços de IA.