OpenAI publica que Jalapeño vence a GB300 pero Nvidia sube mientras lo anuncia

Andrés Valcárcel · Mercados Financieros · 2026-08-25

Benchmarks internos de OpenAI muestran más eficiencia energética y velocidad que el chip Blackwell de Nvidia. El mercado no se inmuta: la acción del fabricante de GPUs suma 1.29% este martes, un día antes de reportar resultados.

OpenAI presentó el martes resultados de pruebas internas donde su chip Jalapeño superó al GB300 de Nvidia en dos métricas clave: rendimiento por kilovatio y latencia en inferencia. El anuncio llegó con benchmarks del sistema InferenceX de SemiAnalysis y declaraciones del jefe de hardware de la compañía, Richard Ho, afirmando «un avance de rendimiento muy significativo sobre el estado del arte». Nvidia cotiza en $212.50, sumando 1.2% en la sesión de hoy, un día antes de reportar resultados trimestrales el 26 de agosto.

Más tokens por vatio, menos que Vera Rubin en la comparación

Jalapeño registró más tokens por usuario y mayor rendimiento por kilovatio que el GB300 Blackwell en las cargas de trabajo probadas, según los datos presentados por OpenAI. El procesador tiene calificación de 700 watts, pero la potencia sostenida medida se mantuvo en o por debajo de 550W en las tres cargas evaluadas: GPT-OSS-120B (modelo propio de OpenAI), DeepSeek R1 y Moonshot AI Kimi K2.5.

El problema de la comparación: OpenAI midió contra GB300, no contra Vera Rubin, el chip más reciente de Nvidia que ya está desplegado en algunos datacenters. Para cuando Jalapeño alcance despliegue completo —estimado en la primera mitad de 2028—, la competencia puede haber avanzado significativamente. Ho fue cuidadoso al respecto: Jalapeño no fue probado contra la generación Vera Rubin más nueva de Nvidia y no está construido para entrenamiento de modelos.

Jalapeño fue anunciado en junio; lo nuevo son los números

El chip no es una sorpresa. OpenAI y Broadcom anunciaron el proyecto el 24 de junio de 2026, cuando el CEO de Broadcom, Hock Tan, dijo que pruebas tempranas mostraban aproximadamente 50% mejor eficiencia de costos que GPUs estándar de IA. Esa cifra viene de las compañías que construyen el chip, no de un benchmark independiente.

Lo que OpenAI presentó hoy es el desempeño concreto medido en InferenceX: un pod completo de Jalapeño tendrá 2.048 ASICs con capacidad de 1.7 exaflops de cálculo de 4 bits y 27.5TB de HBM4. Greg Brockman, presidente de OpenAI, dijo que los chips fueron diseñados de punta a punta en nueve meses con ayuda de los modelos de IA de la empresa.

«Nvidia es un muy buen socio, y continuamos necesitando mucho de Nvidia»

Ho fue explícito sobre quién está escuchando. Cuando se le preguntó si OpenAI vendería sus chips a otras compañías, respondió que tienen muchas necesidades de compute dentro de OpenAI y que va a tomar mucho satisfacerlas, «estamos luchando por tener suficiente». Jalapeño solo sirve para inferencia; OpenAI compra Nvidia para entrenar modelos. El riesgo largo plazo no es este chip en sí, sino la creación de demanda para una cadena de ASICs personalizados que reduzca el mercado de GPUs de inferencia.

El acuerdo original de octubre de 2025 cubrió algo mucho más grande que un chip: una colaboración para desplegar 10 gigawatios de aceleradores diseñados por OpenAI. Broadcom dijo que los racks construidos alrededor de este programa comenzarían a desplegarse en la segunda mitad de 2026 y continuarían hasta fines de 2029.

Poder, no presupuesto: OpenAI está limitada por watts del datacenter

OpenAI reveló que está actualmente limitada por potencia del datacenter, no por presupuesto o espacio. Si tienes 1 gigavatio de potencia, el rendimiento por vatio es ingresos. Nvidia enfatizó durante la charla de Vera en Hot Chips 2026 que el datacenter está limitado por potencia hoy; los operadores no pueden simplemente obtener más megavatios porque agregar GPUs y agregar capacidad de red ocurren en escalas de tiempo muy diferentes.

Ese cuello de botella explica por qué OpenAI diseñó un chip optimizado para rendimiento por vatio, no para rendimiento bruto. Cada chip que OpenAI usa para inferencia es un chip Nvidia que no compra. Si Jalapeño entrega 50% más eficiencia de costos como afirma Broadcom, el ahorro no viene solo del precio del chip sino de la factura eléctrica anualizada por vatio desplegado. Un cálculo rápido: con 10 gigawatios de capacidad acordada hasta 2029, una mejora del 50% en eficiencia representa aproximadamente 5 gigawatios de capacidad adicional efectiva sin ampliar la infraestructura de red eléctrica.

La carrera desintermediada: Anthropic, Google y DeepSeek también diseñan chips

OpenAI no está sola. Anthropic está diseñando su propio silicio; Google ha estado hablando con Marvell sobre chips de inferencia personalizados más allá de sus TPUs; DeepSeek presentó su primer procesador de inferencia tras un año de trabajo. Cada gran comprador de GPUs está explorando este camino. El segmento de inferencia del mercado GPU —históricamente una fuente de ingresos importante para Nvidia— enfrenta competencia creciente de silicio personalizado.

El timing del anuncio no es casual. Nvidia reporta resultados trimestrales mañana miércoles 26 de agosto tras el cierre del mercado estadounidense. Wall Street espera que bata estimaciones por quinta vez consecutiva, con consenso de ingresos de $91.85 a $93.63 mil millones. El margen bruto y la guidance sobre Vera Rubin definen si la acción se mueve. Mientras tanto, Broadcom cotiza alrededor de $358-368, con volatilidad en los últimos días.

OpenAI desplegará Jalapeño en racks con 128 chips por unidad; un pod completo suma 2.048 ASICs. El objetivo es combinar el poder y rendimiento de los aceleradores de IA líderes actuales con latencia más cercana a los sistemas especializados de inferencia más rápidos, haciendo Jalapeño bien adaptado para productos LLM interactivos a escala. El dato técnico final: 1.7 exaflops de cálculo de 4 bits y 27.5TB de HBM4 por pod. Queda por ver si esos números se sostienen cuando pruebas de terceros se pongan al día con las afirmaciones de los fabricantes.