OpenAI usou seu Codex para desenhar o Jalapeño, o chip que vai rodar suas próximas IAs — em 9 meses

Um loop pouco comum: a OpenAI usou sua própria IA para desenhar o hardware que vai processar suas IAs. O Jalapeño, chip de inferência personalizado, saiu do design inicial ao tapeout — envio para fabricação — em 9 meses com ajuda do Codex, quebrando o padrão do setor de semicondutores, onde ciclos de design costumam levar anos. É a aposta da empresa para reduzir sua dependência da Nvidia.

O que é o Jalapeño

O chip foi anunciado em 24 de junho de 2026, em parceria com a Broadcom e a Celestica, segundo a TechCrunch. É um ASIC — circuito projetado para uma função específica, neste caso, inferência: a etapa em que um modelo já treinado responde a comandos de usuários, em vez de aprender algo novo.

Diferente de adaptar uma arquitetura de GPU existente, a equipe da OpenAI partiu de um design do zero, priorizando a localidade dos dados e a proximidade com a memória para reduzir a movimentação de informação dentro do chip, segundo a EE Times.

Do design à fábrica em 9 meses com ajuda de uma IA

Segundo a Tom's Hardware, o processo de design e verificação contou com o Codex, a plataforma de codificação agêntica da OpenAI. A ferramenta acelerou etapas de verificação e simulação que tradicionalmente consomem meses de trabalho de engenharia manual.

O prazo é apertado: 9 meses entre o RTL (descrição inicial do hardware em código) e o tapeout. No setor de semicondutores, ciclos de design costumam se estender por anos — o próprio projeto, construído no nó N3 da TSMC, levaria pelo menos 24 meses em um cronograma tradicional. A aposta da OpenAI é que ferramentas de IA generativa consigam automatizar tarefas que antes dependiam só de trabalho humano.

Os números dos primeiros benchmarks

A OpenAI divulgou os primeiros resultados de desempenho do Jalapeño no InferenceX, benchmark da SemiAnalysis, testando três modelos: GPT-OSS-120B, Kimi K2.5 (1 trilhão de parâmetros) e DeepSeek R1 (670 bilhões de parâmetros).

Segundo a EE Times, o chip entregou:

• De 1,5 a 1,9 vez mais trabalho de IA por watt no pico de throughput, em comparação com sistemas equivalentes
• Latência entre 1,7 e 3,6 vezes menor
• Desempenho de 2,1 a 4,1 vezes maior em cargas de trabalho interativas

Cada acelerador consome cerca de 700 watts, patamar que a OpenAI descreve como compatível com a maioria das soluções de refrigeração já usadas em data centers, evitando o superaquecimento comum em sistemas de GPU de ponta.

A ressalva que o chefe de hardware da OpenAI fez

Richard Ho, vice-presidente de hardware da OpenAI, destacou uma limitação importante: os benchmarks divulgados medem predição de token único (STP), sem a predição multi-token especulativa — uma otimização que, segundo ele, outros fabricantes costumam incluir nos números de desempenho que divulgam.

Ho afirmou que, mesmo sem essa otimização, o Jalapeño é "tão bom quanto ou supera parte da predição multi-token de outros modelos", segundo a EE Times. Na prática, significa que os números atuais não refletem o desempenho final do chip caso otimizações semelhantes às usadas por concorrentes sejam aplicadas.

O que vem a seguir

A OpenAI prevê implantação em pequeno volume do Jalapeño ainda em 2026, com produção em maior escala a partir de 2027. Por ora, a empresa diz priorizar o uso interno do chip para suas próprias cargas de inferência, em vez da venda a terceiros.

Para quem acompanha a corrida por capacidade computacional de IA, o Jalapeño junta duas tendências: a corrida das gigantes de IA por hardware próprio — caminho já percorrido por Google e Amazon — e o uso de ferramentas agênticas de codificação para acelerar tarefas de engenharia. A diferença aqui é que as duas se alimentam uma da outra: a OpenAI usa sua IA para construir o hardware que vai rodar a próxima geração dela mesma.