OpenAI publicó los días 25 y 26 de agosto de 2026 los primeros resultados de Jalapeño, su primer chip de IA propio, diseñado específicamente para la inferencia, es decir, para ejecutar modelos ya entrenados en lugar de entrenarlos. Según los benchmarks independientes recogidos por The Register, Winbuzzer y CNBC, este chip ofrece hasta 1,9 veces más rendimiento por kilovatio que los racks Nvidia más recientes. Para una pyme que paga cada mes una factura de API de IA, la pregunta es sencilla: ¿esto va a bajar los precios?
En resumen
- Jalapeño es el primer chip de IA de OpenAI, diseñado internamente y fabricado con Broadcom (silicio y red), con la integración de sistemas a cargo de Celestica.
- Está dedicado a la inferencia (ejecutar modelos), no al entrenamiento: OpenAI sigue usando GPU de Nvidia y AMD para entrenar sus modelos.
- Según los benchmarks de SemiAnalysis InferenceX, publicados el 25 y 26 de agosto de 2026, Jalapeño ofrece entre 1,5 y 1,9 veces más rendimiento por kilovatio y una latencia entre 1,7 y 3,6 veces menor que los racks Nvidia GB200 y GB300.
- Su potencia nominal es de 700 W, frente a 1.200-1.400 W en los racks Nvidia comparados, con un rendimiento igual o superior.
- Se prevé un despliegue limitado a finales de 2026, con un aumento de volumen en 2027: no se ha anunciado ningún impacto en los precios para los usuarios de ChatGPT o de la API de OpenAI.
- Para una pyme, lo relevante a corto plazo no es una bajada de precio garantizada, sino una señal de competencia creciente en el hardware de IA, favorable al cliente con el tiempo.
Qué es exactamente el chip Jalapeño
Jalapeño es un circuito especializado (ASIC) pensado únicamente para servir modelos ya entrenados a los usuarios, lo que se conoce como inferencia. Es la tarea más costosa en volumen para OpenAI: cada mensaje enviado en ChatGPT o cada llamada a la API activa una operación de inferencia. La arquitectura fue diseñada por OpenAI, la fabricación del silicio y la parte de red se confiaron a Broadcom, y el ensamblaje de los racks a Celestica.
A diferencia de una GPU generalista como las de Nvidia, que debe gestionar tanto el entrenamiento (muy exigente en cálculo puro) como la inferencia (más sensible a la latencia y al coste por solicitud), Jalapeño está optimizado para un único uso. Según OpenAI, la arquitectura está pensada «para minimizar los movimientos de datos y los retrasos de comunicación» entre los chips de un mismo rack, un factor clave para responder rápido a millones de solicitudes simultáneas.
Las cifras del benchmark frente a Nvidia
Las pruebas fueron realizadas por la firma de análisis SemiAnalysis, mediante su protocolo InferenceX, sobre tres modelos abiertos: GPT-OSS-120B, DeepSeek R1 (670.000 millones de parámetros) y Kimi K2.5 (un billón de parámetros), con solicitudes de 8.000 tokens de entrada y 1.000 de salida.
| Indicador | Jalapeño (OpenAI) | GB200 / GB300 (Nvidia) |
|---|---|---|
| Potencia nominal (TDP) | 700 W | 1.200 W a 1.400 W |
| Rendimiento por kilovatio | 1,5x a 1,9x superior | Referencia |
| Latencia de extremo a extremo | 1,7x a 3,6x más rápida | Referencia |
| Función prevista | Solo inferencia | Entrenamiento + inferencia |
| Disponibilidad | Muestras de ingeniería, volumen limitado a finales de 2026 | Disponible ya hoy |
Fuente: benchmarks de SemiAnalysis InferenceX, recogidos por The Register y Winbuzzer (25-26 de agosto de 2026).
Un rack completo integra 128 aceleradores Jalapeño, con una potencia de cálculo combinada de 1,7 exaflops en 4 bits y 27,5 TB de memoria HBM4, alimentada por unos 2 petabytes por segundo de ancho de banda de memoria. Son cifras de laboratorio: miden el rendimiento bruto de la infraestructura, todavía no el coste final facturado al usuario.
Por qué OpenAI construye su propio chip
Este movimiento no es aislado. Google desarrolla sus chips TPU desde hace varias generaciones para sus propios servicios y para Google Cloud. Amazon ofrece sus chips Trainium e Inferentia en AWS. Microsoft presentó su chip Maia para Azure. Meta desarrolla su propio chip MTIA para sus cargas de inferencia internas. OpenAI se suma así a una tendencia de fondo del sector: reducir la dependencia de un único proveedor de GPU y controlar mejor el coste de la inferencia, que representa una parte creciente del gasto de los grandes laboratorios de IA a medida que crece el número de usuarios.
Nvidia sigue siendo indispensable para el entrenamiento
OpenAI sigue usando GPU de Nvidia y AMD para entrenar sus futuros modelos. Jalapeño no sustituye esta infraestructura: se suma a ella, exclusivamente para la fase de servicio a los usuarios.
Calendario de despliegue
25-26 de agosto de 2026
Primeros benchmarks públicos
Finales de 2026
Despliegues limitados
2027
Aumento de volumen
Qué significa esto realmente para una pyme
Sin efecto inmediato en tu factura
Una vía para mejorar la disponibilidad
Una competencia que beneficia al cliente con el tiempo
Seguir el precio real, no el anuncio
Lo que todavía no sabemos
OpenAI no ha comunicado el coste de fabricación de Jalapeño, su fiabilidad a gran escala, ni la tasa de utilización real prevista para sus centros de datos. El coste final por token para el usuario final depende de estos tres factores, aún desconocidos en esta etapa.
Preguntas frecuentes
¿Qué es el chip Jalapeño de OpenAI?
Jalapeño es el primer chip de IA diseñado por OpenAI, dedicado a la inferencia (ejecutar modelos ya entrenados). Se desarrolla con Broadcom para el silicio y la red, y con Celestica para la integración de sistemas.
¿Jalapeño va a bajar el precio de ChatGPT o de la API de OpenAI?
Por ahora no se ha anunciado nada en ese sentido. Las ganancias de eficiencia medidas (hasta 1,9 veces más rendimiento por kilovatio que un rack Nvidia GB200 o GB300) crean un potencial de reducción de costes de infraestructura, pero OpenAI no ha comunicado ninguna bajada de tarifas vinculada a Jalapeño.
¿OpenAI abandona a Nvidia?
No. OpenAI sigue usando GPU de Nvidia y AMD para entrenar sus modelos. Jalapeño se reserva para la inferencia, es decir, para atender las solicitudes de los usuarios, y complementa esta infraestructura en lugar de sustituirla.
¿Cuándo estará disponible el chip Jalapeño a gran escala?
Según la información recogida por The Register y Winbuzzer, se prevén despliegues limitados a finales de 2026, todavía considerados muestras de ingeniería, con un aumento de volumen anunciado para 2027.
En conclusión
Jalapeño confirma una tendencia de fondo: los grandes laboratorios de IA trabajan para reducir su dependencia de Nvidia y controlar el coste de la inferencia, una partida de gasto que crece con cada nuevo usuario. Para una pyme, no hay ningún motivo para cambiar nada de inmediato: no se ha anunciado ninguna bajada de precio, y el despliegue sigue siendo limitado hasta 2027. Lo recomendable es seguir las tarifas oficiales en lugar de los anuncios de rendimiento, y vigilar esta competencia de hardware que, históricamente, beneficia a los usuarios con el tiempo. Para seguir la evolución del coste de la IA, consulta nuestro artículo sobre el coste de los agentes IA con Claude Opus 5 o el conjunto de nuestros recursos del Mag.
