Der Sieg, den Blackwell noch nicht verloren hat Der Sieg, den Blackwell noch nicht verloren hat

Ein Balken, zwei Nachrichten

Am 25. August 2026 legte OpenAI erstmals Messwerte für Jalapeño vor. Der stärkste Eindruck entstand durch die Höhe einzelner Balken. Die wichtigere Nachricht stand darunter: Der erste eigene Inferenzchip des Unternehmens existiert als funktionierendes Silizium und läuft in einem vollständigen Serving-System.

Getestet wurden GPT-OSS 120B, DeepSeek R1 670B und Kimi K2.5 1T. Über diese drei Modelle hinweg meldet OpenAI beim maximalen Durchsatz eine 1,5- bis 1,9-mal höhere Leistung pro Watt als mit den verglichenen Nvidia-Systemen. Die Ende-zu-Ende-Latenz fiel nach Angaben des Unternehmens 1,7- bis 3,6-mal kürzer aus. Die Resultate stammen von Engineering Samples, nicht von theoretischen Hochrechnungen. OpenAIs Benchmark-Veröffentlichung vom 25. August 2026 ↗

Damit ist noch kein allgemeiner Sieger bestimmt. Jalapeño wurde nicht als universeller Trainingsbeschleuniger entworfen, sondern für die KI-Inferenz großer Sprachmodelle: Prompt verarbeiten, Token erzeugen, Antwort ausliefern. OpenAI optimiert also jene Phase, in der jede einzelne Nutzung erneut Strom, Rechenzeit und Infrastruktur kostet.

Das verändert die Bedeutung des Vergleichs. OpenAI tritt nicht plötzlich an die Stelle von Nvidia. Das Unternehmen beginnt jedoch, den physischen Ausführungspfad seiner Modelle selbst zu gestalten – vom Kernel über Speicher und Netzwerk bis zur Stromaufnahme.

Warum 104,3 nicht hundertmal schneller heißt

Die Zahl 104,3 zieht den Blick an. Bei DeepSeek R1 weist OpenAI an einem bestimmten Latenzpunkt rund 104,3-mal mehr Durchsatz pro Kilowatt als beim verglichenen GB300-System aus. Für GPT-OSS nennt das Unternehmen gegenüber GB200 etwa den Faktor 53,7. Als allgemeine Geschwindigkeitswerte taugen beide Zahlen nicht. Tabellen und Betriebspunkte des Jalapeño-Tests ↗

Gemessen wurde der Durchsatz bei der zuvor besten Token-Latenz des jeweiligen Konkurrenzsystems. Das ist ein enger Punkt auf der Leistungskurve. Jalapeño konnte dort offenbar mehr parallele Arbeit aufnehmen, ohne die gesetzte Reaktionszeit zu überschreiten. Daraus folgt nicht, dass eine einzelne Anfrage hundertmal schneller beantwortet wird.

Für die Einordnung sind die breiteren Werte aussagekräftiger: 1,5- bis 1,9-mal mehr Spitzendurchsatz pro Watt und 1,7- bis 3,6-mal kürzere Ende-zu-Ende-Latenz. Die Tests verwendeten nominell 8.000 Eingabe- und 1.000 Ausgabetoken sowie Single Token Prediction. Für die Effizienzrechnung setzte OpenAI 700 Watt für Jalapeño, 1.200 Watt für GB200 und 1.400 Watt für GB300 an. Beim eigenen Chip habe die dauerhaft gemessene Leistungsaufnahme in den getesteten Workloads höchstens 550 Watt erreicht. Methodik und Leistungsannahmen des Benchmarks ↗

Der Test besitzt eine externe Kontrollschicht, aber keine vollständige Unabhängigkeit. SemiAnalysis war nach eigener Darstellung im OpenAI-Labor anwesend und verifizierte die Läufe. Die Messwerte wurden dem Analystenhaus jedoch von OpenAI bereitgestellt; die vollständige InferenceX-Suite führte es nicht selbst aus. Langkontext- und Mehrschritt-Workloads aus AgentX, die Router, Cache-Verwaltung und agentische Abläufe stärker belasten, fehlen bislang. SemiAnalysis über Verifikation und Grenzen des Tests ↗

Die Resultate sind deshalb mehr als eine Herstellerfolie, aber weniger als ein abschließender Marktvergleich. Sie belegen einen ernst zu nehmenden Vorsprung unter veröffentlichten Bedingungen. Ob er bei wechselnder Last, langen Kontexten und monatelangem Produktionsbetrieb bleibt, ist offen.

Der Vorteil steckt im Datenweg

Jalapeños technische Pointe ist nicht einfach mehr Rechenleistung. Bei der Inferenz wechseln die Engpässe. Im Prefill verarbeitet das System den Prompt und benötigt viel Rechenkapazität. Beim anschließenden Decode entstehen Token nacheinander; Speicherbandbreite und kurze Datenwege gewinnen an Gewicht.

OpenAI beschreibt Jalapeño deshalb als gemeinsam entworfenes System aus Recheneinheiten, Speicher und Netzwerk. Der für die Generierung wichtige KV-Cache soll möglichst lokal bleiben. Weniger Zwischenzustände müssen zwischen Chips oder getrennten Ressourcen verschoben werden. OpenAI über Architektur und lokale Datenhaltung ↗

Auch Prefill und Decode werden nicht auf dauerhaft getrennte Chip-Pools verteilt. Eine solche Spezialisierung kann effizient sein, solange Eingaben, Ausgaben und parallele Anfragen in einem stabilen Verhältnis stehen. Ändert sich die Last, drohen wartende Ressourcen auf der einen und Engpässe auf der anderen Seite. Zusätzlich muss der KV-Cache zwischen beiden Pools übertragen werden.

Jalapeño setzt stattdessen auf einen homogenen Pool, in dem die Geräte beide Phasen übernehmen können. Das verzichtet an einzelnen Betriebspunkten auf maximale Spezialisierung, soll aber die Gesamtauslastung stabilisieren. Der mögliche Vorsprung entsteht damit dort, wo LLM-Infrastruktur häufig Zeit und Energie verliert: nicht beim Rechnen allein, sondern beim Bewegen von Gewichten, Caches und Zwischenzuständen.

Blackwell ist nicht der ganze Gegner

Der Vergleich mit Nvidia Blackwell ist legitim, aber asymmetrisch. Blackwell ist eine breit angelegte Plattform für Training und Inferenz, getragen von einem über Jahre gewachsenen Software- und Hardware-Ökosystem. Jalapeño ist Custom Silicon für einen engeren Zweck. Dass ein spezialisierter Inferenzchip in seinem bevorzugten Arbeitsfeld effizienter arbeitet als eine vielseitigere GPU, wäre ein technischer Erfolg. Es wäre kein Beleg dafür, dass er deren gesamte Rolle übernehmen kann.

Auch der Zeitpunkt verschiebt das Bild. SemiAnalysis hält Nvidias Rubin-Generation für den technisch näheren Vergleich, unter anderem wegen des HBM4-Speichers. Blackwell ist das verfügbare Referenzsystem; Jalapeño soll erst schrittweise in OpenAIs Infrastruktur einziehen. Der griffige Zweikampf stellt damit nicht vollständig denselben Reifegrad und Technologiezeitpunkt gegenüber. SemiAnalysis zur Vergleichbarkeit mit Blackwell und Rubin ↗

OpenAI arbeitet derzeit mit Engineering Samples. Der erste interne Einsatz ist bis Ende 2026 geplant; Produktionsqualifikation, Software-Reifung und Tests mit weiteren Modellen laufen noch. Ein Chip kann am Messplatz schnell sein und im Rechenzentrum dennoch an Verfügbarkeit, Fehlerbehandlung, Fertigungsausbeute oder Wartbarkeit verlieren. Diese Disziplinen erscheinen in keinem einzelnen KI-Chip-Benchmark. OpenAIs Angaben zu Einführung und laufender Qualifikation ↗

Vom Messplatz bis zum Rechenzentrum fehlt die härteste Prüfung

OpenAI kündigt keinen vollständigen Abschied von Nvidia an. Das Unternehmen will Beschleuniger von Nvidia und weiteren Partnern weiterhin für Training und Inferenz einsetzen. Jalapeño eröffnet zunächst eine zusätzliche Route durch den Stack. OpenAIs Infrastrukturstrategie mit mehreren Anbietern ↗

Strategisch kann bereits diese Alternative Gewicht haben. Wer einen Teil seiner Inferenz auf eigenes Silizium verlagern kann, erhält mehr Spielraum bei Kapazitätsplanung, Workload-Zuordnung und Lieferantenverhandlungen. Das ist eine mögliche Folge der Architektur, kein Ergebnis des Benchmarks.

Auch eigener Chip bedeutet nicht Alleingang. Broadcom übernahm laut OpenAI wesentliche Aufgaben bei Siliziumimplementierung, Netzwerk und Industrialisierung. Das Unternehmen datiert den Weg vom initialen Design bis zum Tape-out auf neun Monate und führt das Tempo unter anderem auf KI-gestützte Entwurfs- und Verifikationsschleifen zurück. OpenAI und Broadcom über Entwicklung und Aufgabenverteilung ↗

Ähnlich eng ist die Verbindung zur Software. Drei ursprünglich nicht für den Produktionsplan vorgesehene Open-Weight-Modelle seien innerhalb von zwei Monaten optimiert worden. Bei ausgewählten Attention- und Mixture-of-Experts-Blöcken von GPT-OSS liefen KI-generierte Implementierungen nach OpenAIs Angaben 1,5- bis 1,8-mal schneller als die zuvor von Fachleuten geschriebenen Varianten. Das gilt ausdrücklich für einzelne Blöcke, nicht für das vollständige Modell. OpenAI über modellbezogene Kernel-Optimierung ↗

Genau darin liegt die größere Verschiebung. Die Qualität eines KI-Dienstes hängt nicht nur vom Modell ab. Compiler, Speicher, Netzwerk und Beschleuniger bestimmen mit, wie schnell, zuverlässig und kostspielig eine Antwort entsteht. Je enger diese Ebenen zusammenrücken, desto schwieriger wird allerdings der neutrale Vergleich. Proprietäre Optimierungen können einen Full-Stack-Vorteil schaffen – und zugleich verbergen, welcher Teil des Systems ihn tatsächlich trägt.

Was der Benchmark tatsächlich verändert

Jalapeño ordnet den Markt für KI-Chips noch nicht neu. Dafür fehlen ein breiter unabhängiger Test, lange Mehrschritt-Workloads und Erfahrungen aus dem Betrieb in großer Stückzahl. Die veröffentlichten Werte zeigen einen Vorsprung unter definierten Bedingungen. Serienreife und dauerhaft bessere Gesamtwirtschaftlichkeit müssen sich erst beweisen.

Verändert hat sich etwas anderes: OpenAI verfügt nicht mehr nur über eine Chip-Roadmap, sondern über funktionierendes eigenes Silizium mit ernst zu nehmenden Messwerten. Der Abstand zwischen Modellforschung und Hardwaredesign wird kleiner. Künftige Modelle können gemeinsam mit jenem System entstehen, das ihre Daten bewegt und ihre Antworten ausliefert.

Blackwell hat diesen Vergleich nicht eindeutig verloren. OpenAI hat jedoch gezeigt, dass es Rechenleistung nicht mehr nur einkauft, sondern ihre Form selbst mitbestimmt.