OpenAI a publié ses premiers résultats pour Jalapeño, sa première puce d'inférence maison, testée contre les systèmes GB200 et GB300 de Nvidia sur InferenceX, un benchmark public et open source de SemiAnalysis. Ce dernier détail mérite d'être crédité avant tout le reste : InferenceX est maintenu de façon indépendante, ses recettes sont versées dans un dépôt public, et ses exécutions sont reproductibles par des tiers plutôt que d'être une métrique inventée par OpenAI pour cette annonce — une vraie amélioration méthodologique par rapport à un benchmark purement interne. Ce qu'OpenAI rapporte par-dessus cette infrastructure réelle est l'endroit où ce billet doit ralentir, car deux types de chiffres très différents se trouvent dans les mêmes graphiques, et ils ne signifient pas la même chose.
Le chiffre qui est réellement le titre : 1,5 à 1,9 fois plus de travail par watt
Sur trois familles de modèles — GPT-OSS 120B, DeepSeek R1 670B, et Kimi K2.5 1T, dont aucune n'est contrôlée par OpenAI — Jalapeño a délivré 1,5 à 1,9 fois plus de débit de tokens mixtes par kilowatt au propre point de fonctionnement de pointe de chaque système, accompagné d'une latence de bout en bout inférieure de 1,7 à 3,6 fois et d'une vitesse de décodage par utilisateur au pic supérieure de 2,7 à 4,1 fois. C'est un gain d'efficacité réel et défendable, testé sur du matériel et des familles de modèles hors du contrôle d'OpenAI, sur un benchmark que des tiers peuvent relancer. Il vaut la peine de le nommer directement comme la vraie nouvelle : une puce maison de première génération qui bat les systèmes actuels les plus performants de Nvidia en efficacité à leurs propres meilleurs réglages est un résultat réel, pas un artifice de présentation.
Une réserve qu'OpenAI divulgue elle-même et qui mérite d'être répétée plutôt qu'ignorée : Jalapeño est classée à 700 watts, avec une consommation soutenue mesurée à 550 W ou moins dans ces tests, contre 1 200 W pour le GB200 de Nvidia et 1 400 W pour le GB300 — à peu près la moitié de l'enveloppe de puissance des systèmes auxquels elle est comparée. Qu'une puce classée pour une puissance nettement moindre affiche de meilleurs chiffres de performance par watt n'est pas surprenant en soi ; c'est tout l'intérêt de concevoir un silicium sur mesure pour une tâche plus étroite qu'un GPU généraliste. Cela mérite tout de même d'être énoncé clairement plutôt que de laisser le « par watt » masquer l'écart de puissance absolue qui explique une partie du multiplicateur.
Les chiffres bien plus grands, et ce qu'ils mesurent réellement
Les graphiques par lesquels OpenAI ouvre montrent des multiplicateurs bien plus grands — 53,7x sur GPT-OSS, 104,3x sur DeepSeek R1, 56,1x sur Kimi K2.5 — étiquetés « plus de débit au TBT précédent » (temps entre les tokens). Ce n'est pas une seconde mesure de la même affirmation d'efficacité de pointe ; ils mesurent quelque chose de plus étroit : à quel point Jalapeño est plus efficace quand le système Nvidia est forcé de fonctionner à la vitesse de décodage par utilisateur la plus rapide de Jalapeño — un régime de vitesse où les GPU sont connus pour devenir dramatiquement moins efficaces, puisque presser la latence par utilisateur la plus basse possible sacrifie le batching qui rend le service GPU efficace en premier lieu. Comparer deux systèmes au point le plus favorable de l'un, après avoir établi que l'efficacité de l'autre s'effondre loin de sa propre plage de fonctionnement confortable, est un résultat réel sur où se situe la frontière de Pareto de Jalapeño — mais ce n'est pas la même affirmation que « 104 fois plus efficace », point final, et les propres données en annexe d'OpenAI rendent la distinction disponible même si le cadrage du titre ne la met pas en avant. Il vaut la peine d'être aussi précis là-dessus que ce blog l'a été sur les benchmarks de harnais affirmant une saturation sous un cadrage précis et favorable auparavant : le chiffre est réel, la généralisation qu'on en tire fait plus de travail que ce que le chiffre lui-même ne permet.
La puce a été construite avec l'IA, et construite pour être programmée par l'IA
Deux détails du propre compte-rendu d'OpenAI méritent d'être pris au sérieux, indépendamment des chiffres de benchmark. D'abord : Jalapeño est passée de la conception initiale au tapeout en neuf mois, avec des modèles OpenAI antérieurs aidant à concevoir et faire démarrer la puce, et les modèles actuels accélérant son optimisation — une affirmation concrète et datée sur les délais de conception matérielle assistée par IA. Ensuite, et plus précisément : en utilisant Codex avec GPT-Astra, OpenAI dit avoir amené trois modèles à poids ouverts qui ne faisaient pas partie du plan de production initial de Jalapeño à pleine performance en deux mois, et pour des blocs sélectionnés d'attention et de mixture-of-experts de GPT-OSS, des implémentations de noyaux générées par IA ont tourné 1,5 à 1,8 fois plus vite que les implémentations existantes écrites par des experts humains. La propre réserve d'OpenAI sur ce dernier chiffre mérite de rester attachée plutôt que d'être perdue en cours de reprise : « ces chiffres s'appliquent aux blocs sélectionnés, pas au modèle complet ». C'est la même forme de résultat que ce blog a couvert quand l'AVO de NVIDIA a fait évoluer des kernels d'attention qui battent cuDNN et FlashAttention-4 — l'optimisation de kernels de bas niveau assistée par IA apparaît comme un motif réel et récurrent chez plusieurs laboratoires cette année, pas une affirmation isolée de l'une ou l'autre entreprise.
Ce qui est affirmé mais non montré
OpenAI déclare que « dans nos tests internes, l'avantage de Jalapeño s'est encore élargi sur les modèles OpenAI de pointe » — une affirmation sans aucun chiffre publié derrière elle ici, reposant entièrement sur des modèles et des charges de travail que personne en dehors d'OpenAI ne peut vérifier. Il vaut la peine de la traiter comme une direction plutôt qu'une donnée, jusqu'à ce qu'OpenAI publie (ou à moins qu'elle ne publie) quelque chose de plus précis sur ses propres modèles de pointe, comme elle l'a fait pour les trois modèles publics. Le déploiement reste aussi devant elle, pas derrière : OpenAI décrit Jalapeño comme entrant en « qualification de production », avec un plan pour commencer à la déployer dans sa propre infrastructure d'ici la fin de l'année, et dit qu'elle continuera d'acheter les accélérateurs de Nvidia et d'autres partenaires à ses côtés plutôt que de les remplacer. Ce sont les premiers résultats publiés d'une puce de première génération, pas encore une pièce expédiée et portante de la flotte de service d'OpenAI.
À surveiller
- Si ces exécutions précises atterrissent sur le tableau de bord public d'InferenceX. Le propre modèle d'InferenceX est celui d'exécutions communautaires reproductibles et auditables ; que cette comparaison précise Jalapeño contre GB200/GB300 devienne relançable de façon indépendante là-bas, plutôt que de ne vivre que dans le propre billet de blog d'OpenAI, est le vrai test de ce que vaut le cadrage « benchmark public » ici.
- Les chiffres sur les modèles de pointe qu'OpenAI n'a pas publiés. L'affirmation que l'avantage de Jalapeño « s'élargit encore » sur les propres modèles d'OpenAI est exactement le genre d'affirmation précise et vérifiable pour laquelle ce billet voudrait de vrais chiffres.
- Le déploiement réel de Jalapeño, pas seulement ses résultats de benchmark. Une puce en qualification de production n'est pas encore une puce servant du vrai trafic à grande échelle — l'écart entre « bien testée » et « faisant tourner la flotte d'OpenAI » est là où de nombreux efforts de silicium sur mesure ont historiquement ralenti.
Références : OpenAI — Jalapeño : premiers résultats · OpenAI sur X — annonce · InferenceX by SemiAnalysis · couverture liée : L'AVO de NVIDIA atteint aussi 100 % sur ARC-AGI-3 · Deux harnais résolvent le même benchmark en s'opposant sur la mémoire · Frontier Arcade : tendances et prédictions