OpenAI ने Jalapeño साठी पहिले बेंचमार्क परिणाम प्रकाशित केले आहेत, त्याची सानुकूल अनुमान चिप, आणि संख्या उल्लेखनीय आहेत: SemiAnalysis' InferenceX बेंचमार्कवर, नवीन सिलिकॉनने सध्या उपलब्ध अत्याधुनिक अनुमान प्रोसेसरपेक्षा प्रति वापरकर्ता अधिक टोकन आणि प्रति किलोवॅट अधिक थ्रुपुट दोन्ही नोंदणीकृत केले आहेत - एक तुलना ज्यामध्ये Nviswell's system समाविष्ट आहे. चिप कशी तयार केली गेली याच्या तपशीलवार तांत्रिक देखाव्यासह पालो अल्टो येथील हॉट चिप्स परिषदेत मंगळवारी निकाल सादर करण्यात आले. प्रत्येक AI मॉडेल रिलीझ ला अधोरेखित करणाऱ्या संगणकीय शर्यतीचा मागोवा घेणाऱ्या वाचकांसाठी, हा वर्षातील सर्वात परिणामकारक हार्डवेअर डेटापॉइंट्सपैकी एक आहे.

TechCrunch द्वारे अहवाल दिलेल्या एका प्रेस कॉलमध्ये OpenAI चे हार्डवेअर प्रमुख रिचर्ड हो म्हणाले, "सर्वात महत्त्वाची गोष्ट अशी आहे की निकाल अत्याधुनिकतेच्या तुलनेत अतिशय लक्षणीय कामगिरी दाखवतात." "Jalapeño प्रति युनिट उर्जेवर अधिक AI कार्य देऊ शकते, तसेच प्रतिसादही अधिक जलद देत आहे. बऱ्याच ग्राहकांना सेवा देण्यासाठी हे खूप कार्यक्षम आहे, परंतु ते खूप कमी विलंब देखील असू शकते."

पूर्ण अनुमान पाइपलाइनसाठी तयार केलेली चिप

Jalapeño चे जून 2026 मध्ये OpenAI चे पहिले कस्टम सिलिकॉन म्हणून अनावरण करण्यात आले, जे Broadcom च्या जवळच्या सहकार्याने विकसित केले गेले, OpenAI च्या स्वतःच्या AI मॉडेल्सने चिपच्या विकास प्रक्रियेत मदत केली. ही भागीदारी ऑक्टोबर 2025 पासूनची आहे, जेव्हा OpenAI ने नेटवर्किंग जायंटसोबत बहुजनरेशनल कस्टम एक्सीलरेटर प्रोग्रामची योजना आखली होती.

ओपनएआयच्या म्हणण्यानुसार, जलापेनो सामान्य-उद्देश GPU पेक्षा वेगळे बनवते, ते हे आहे की ते सर्व्ह करतील अशा मॉडेल्सच्या संयोजनात डिझाइन केले गेले आहे. कारण कंपनी संपूर्ण स्टॅक नियंत्रित करते — AI उत्पादने, मॉडेल्स, चिप्स आणि मेमरी — तिचे अभियंते अनुमान प्रक्रियेच्या विशिष्ट टप्प्यांवर हल्ला करण्यास सक्षम होते ज्यामुळे अनेकदा घर्षण होते.

विशेषतः, Jalapeño ची रचना प्रक्रियेच्या प्रीफिल आणि संप्रेषण टप्प्यांदरम्यान होणारा विलंब कमी करण्यासाठी केली गेली आहे, जे OpenAI म्हणते की मोठ्या प्रमाणात भाषा मॉडेल्सची सेवा करताना ते वारंवार अडथळे म्हणून काम करतात.

"डेटा हालचाल आणि संप्रेषणातील विलंब कमी करण्यासाठी आम्ही Jalapeño ची रचना केली," कंपनीने परिणाम सादर करताना ब्लॉग पोस्टमध्ये लिहिले. "याचा अर्थ असा आहे की प्रतिसाद निर्माण करताना वापरल्या जाणाऱ्या KV कॅशेसह मॉडेल स्थिती, स्पष्टपणे ठेवली जाऊ शकते आणि स्थानिक ठेवली जाऊ शकते जेव्हा सिस्टम प्रत्येक अनुमान टप्प्यासाठी गणना, मेमरी आणि नेटवर्किंगचे योग्य संयोजन सक्रिय करते."

प्रॉडक्शन एआय वर्कलोड चालवणाऱ्या कोणासाठीही हा शेवटचा मुद्दा महत्त्वाचा आहे. केव्ही कॅशे - प्रतिसाद निर्माण करताना मॉडेल धारण केलेला संचित संदर्भ - आधुनिक अंदाजातील सर्वात मोठी मेमरी आणि बँडविड्थ डोकेदुखी आहे. त्याला क्लस्टरमध्ये बदलण्याऐवजी स्थानिक आणि स्पष्टपणे व्यवस्थापित करणे, हा विलंब आणि शक्ती परत मिळविण्याचा उत्कृष्ट मार्ग आहे.

ब्लॅकवेल पेक्षा चांगले — आत्तासाठी

शीर्षकाची तुलना Nvidia ब्लॅकवेल प्रणालीशी आहे, सध्या फ्रंटियर AI अनुमानाचा वर्कहोर्स. त्याच दिवशी SemiAnalysis द्वारे प्रकाशित केलेले स्वतंत्र विश्लेषण, "OpenAI Jalapeño: Nvidia Blackwell पेक्षा चांगले" शीर्षकाने चिपच्या सुरुवातीच्या निकालांबद्दल समान निष्कर्षापर्यंत पोहोचले आणि ही कथा त्वरीत हॅकर न्यूजवर सर्वाधिक चर्चेत असलेल्या आयटमपैकी एक बनली.

परंतु ओपनएआयचे अधिकारी आणि विश्लेषक सारखेच सावधगिरी बाळगण्याचे आवाहन करतात. हो चा अंदाज आहे की 2026 च्या शेवटी Jalapeño "अत्यंत लहान व्हॉल्यूममध्ये" तैनात करेल, 2027 मध्ये आणखी लक्षणीय तैनाती येईल. Jalapeño पूर्ण प्रमाणात पोहोचेल तोपर्यंत स्पर्धा लक्षणीयरीत्या वाढलेली असेल — Nvidia चा रोडमॅप पुढे सरकत राहील, आणि Google, Amazon आणि Microsoft यासह इतर हायपरस्केलर्स त्यांच्या स्वत: च्या सिलसिलेवर सानुकूलित आहेत.

TechCrunch ने नमूद केल्याप्रमाणे, आजच्या अत्याधुनिक स्थितीनुसार मोजलेले बेंचमार्क हे स्नॅपशॉट आहेत, हमी नाही. 2026 मध्ये कार्यक्षमतेवर विजय मिळविणाऱ्या चिपने पुढील वर्षी Nvidia आणि त्याच्या प्रतिस्पर्ध्यांच्या शिपमध्ये जे काही असेल त्याविरुद्ध जिंकत राहिले पाहिजे.

ओपनएआय स्वतःचे सिलिकॉन का तयार करत आहे

धोरणात्मक तर्क सरळ आहे: अनुमान हे OpenAI ची सर्वात मोठी आवर्ती किंमत आहे. प्रत्येक चॅटजीपीटी क्वेरी, प्रत्येक API कॉल आणि प्रत्येक एजंटिक कार्य गणना बर्न करते आणि Nvidia कडून बाजारभावात भाड्याने घेतल्याने वापर स्केल म्हणून मार्जिन कमी होते. OpenAI च्या स्वतःच्या मॉडेल्सवर ट्यून केलेली सानुकूल चिप — ब्रॉडकॉमसह संयुक्तपणे डिझाइन केलेली आणि स्वतः OpenAI च्या मॉडेल्सने आकारलेली — कंपनीला प्रति वॅट आणि प्रति डॉलर अधिक वापरकर्त्यांना सेवा देण्याचा मार्ग देते.

Jalapeño ची योजनाही एकच भाग न ठेवता एक बहुजनरेशनल प्लॅटफॉर्म म्हणून आहे. OpenAI ने AI उत्पादने, मॉडेल्स, चिप्स आणि मेमरी एकत्रितपणे विकसित करण्याचा विचार केला आहे, जेणेकरून सिलिकॉनची प्रत्येक पिढी ते चालवल्या जाणाऱ्या मॉडेल्ससह सह-अनुकूलित केले जाईल. पहिल्या पिढीचे परिणाम उत्पादनात टिकून राहिल्यास, Jalapeño पुढील प्रत्येक गोष्टीसाठी टेम्पलेट बनते.

भागीदारी OpenAI च्या पलीकडे आहे. Nvidia चे AI प्रवेगकांचे वर्चस्व हे तीन वर्षांपासून उद्योगातील सर्वात कठीण अडथळे ठरले आहे आणि प्रत्येक विश्वासार्ह पर्याय — मग तो Google च्या TPU टीमकडून असो, Amazon किंवा आता OpenAI — AI पायाभूत सुविधा निर्माण करणाऱ्या प्रत्येकासाठी वाटाघाटी करणारा लँडस्केप बदलतो. Nvidia स्वतः ग्राहकांना AI सर्व्हरवर 15 टक्के किंवा त्याहून अधिक किंमती वाढवण्याची चेतावणी देत ​​आहे कारण मेमरी खर्चात वाढ होते, जे केवळ इन-हाऊस पर्यायांचे आकर्षण वाढवते.

पुढे काय येईल

आत्तासाठी, Jalapeño आशादायक पेपर नंबरसह पूर्व-उत्पादन भाग आहे. वास्तविक चाचणी 2026 च्या शेवटी येते, जेव्हा प्रथम लहान खंड तैनात केले जातात आणि विशेषत: 2027 मध्ये, जेव्हा OpenAI अर्थपूर्ण स्केलची अपेक्षा करते. मुख्य प्रश्न अनुत्तरीत आहेत: डेटासेंटर स्केलवर वास्तविक-जागतिक विश्वासार्हता, भाड्याने घेतलेली ब्लॅकवेल क्षमता विरुद्ध मालकीची एकूण किंमत आणि Nvidia च्या पुढच्या पिढीच्या विरूद्ध कार्यक्षमतेची धार टिकून आहे की नाही.

तरीही, पहिले बेंचमार्क एक मैलाचा दगड ठरतात: पहिल्यांदाच मोठ्या AI लॅबने सानुकूल अनुमान सिलिकॉनचे सार्वजनिकरित्या प्रात्यक्षिक केले आहे जे विद्यमान व्यक्तीच्या कार्यक्षमतेवर मात करते असे दिसते. अशा उद्योगासाठी ज्याने Nvidia पुरवठ्याला एक धोरणात्मक जीवनरेखा मानली आहे, तो एक वास्तविक वळण बिंदू आहे.

---

एआयच्या पुढे राहा

नवीनतम AI बातम्या, विश्लेषण आणि यश मिळवा — सर्व एकाच ठिकाणी.

अधिक AI बातम्या वाचा →