Učinci napretka u AI-ju najbrže se umnožavaju kada se cijeli sistem zajedno poboljšava. Tako razmišljam o strategiji računarskih kapaciteta OpenAI-ja: kao o integriranom sistemu koji obuhvata podatkovne centre i čipove, granične modele, našu platformu za programere, proizvode za potrošače i kompanije te uređaje izvorno zasnovane na AI-ju, pri čemu svaki sloj jača naredni.
Bolji softver omogućava produktivniji rad hardvera. Hardver osmišljen za naša radna opterećenja povećava brzinu i efikasnost. Sposobniji modeli omogućavaju bolje proizvode, koji stvaraju veću potražnju, upotrebu i više prilika za učenje. Ti se signali vraćaju kroz sistem i pomažu nam da ga ponovo unaprijedimo.
Danas smo objavili prve izmjerene rezultate performansi Jalapeña, prvog prilagođenog čipa OpenAI-ja za inferenciju. Na javnom testu InferenceX, koji koristi GPT‑OSS 120B, Jalapeño je ostvario veći vršni protok po kilovatu i manju latenciju tokena od komercijalnih sistema obuhvaćenih poređenjem. Odlične rezultate ostvario je i na modelima DeepSeek R1 i Kimi K2, što pokazuje da njegova poboljšanja obuhvataju različite porodice modela.
Jalapeño nam pruža veću kontrolu nad načinom rada naših modela i ekonomskom računicom njihovog pružanja korisnicima. Zajedničkim razvojem modela, softvera za njegovo pružanje, čipa, memorije i mreže možemo poboljšati protok, latenciju, energetsku efikasnost i troškove cijelog sistema. Time dobijamo pouzdanu vlastitu opciju uz akceleratore drugih partnera i veću mogućnost da svako radno opterećenje uskladimo s najboljim sistemom i optimalnom ekonomskom računicom. Sada imamo vlastiti funkcionalni silicij s izmjerenim rezultatima, a razvoj budućih generacija već je u toku.
Različita radna opterećenja postavljaju različite zahtjeve pred sistem. Obuka graničnih modela, inferencija velikog obima i agenti koji neprekidno rade imaju različite zahtjeve u pogledu čipova, softvera, mreža, energije i latencije.
Cilj nam je ostati na Paretovoj granici: neprestano tražiti najbolju kombinaciju sposobnosti, brzine, pouzdanosti, efikasnosti i troškova za svako radno opterećenje. Različiti čipovi i pružaoci usluga prednjače u različitim područjima, a tehnološka granica stalno se pomjera.
Naš portfelj pruža nam dovoljno mogućnosti da zadovoljimo te potrebe. Računarski kapaciteti Microsofta i čipovi kompanije NVIDIA bili su temelj rasta OpenAI-ja. Naš portfelj danas uključuje i AWS, AMD, Broadcom, Cerebras, CoreWeave, Oracle, SB Energy i SoftBank. Svaki od njih pruža različite prednosti u infrastrukturi oblaka, ubrzanom računarstvu, inferenciji niske latencije, razvoju podatkovnih centara i snabdijevanju energijom.
Ovim portfeljem aktivno upravljamo radi postizanja najboljih sposobnosti i ekonomske računice. Koristimo vrhunske sisteme tamo gdje su sposobnosti najvažnije, a efikasnost optimiziramo tamo gdje su obim i troškovi bitniji. Očuvanje stvarnog izbora među pružaocima usluga, vrstama hardvera i modelima implementacije omogućava nam da potražnju usmjerimo prema najboljim performansama za uloženi novac, održimo disciplinu cijena dok se tržišni uslovi mijenjaju i pratimo tehnološku granicu kako se pojavljuju naprednija rješenja. Direktna kontrola donosi dodatnu prednost tamo gdje čvršća integracija može poboljšati cijeli sistem. Sklapamo partnerstva kada nam ekosistem pomaže da se brže krećemo, a sami gradimo kada zajedničko projektiranje donosi značajnu prednost.
Podatkovni centri pružaju još jednu polugu za stvaranje prednosti. Projekt Camellia u Georgiji pokazuje kako možemo projektirati objekte prema radnim opterećenjima korisnika, a istovremeno otvarati radna mjesta, podržavati lokalne kompanije, pokrivati troškove projektne infrastrukture i energije, štedjeti vodu zatvorenim sistemom te ispunjavanje obaveza podvrgavati godišnjoj nezavisnoj javnoj reviziji.
Vrijednost ovog sistema mjeri se njegovim rezultatima: većom količinom korisne inteligencije iz svake jedinice računarskih kapaciteta.
Bolji modeli dolaze do tačnog odgovora uz manje pokušaja. Pametnije usmjeravanje i upravljanje kontekstom smanjuju nepotreban rad. Optimizirani softver i namjenski razvijen hardver povećavaju brzinu i energetsku efikasnost.
Na indeksu Artificial Analysis Coding Agent Index, GPT‑5.6 Sol je uz Max rezonovanje ostvario novi najbolji rezultat, koristeći 54% manje izlaznih tokena od drugog vodećeg modela. Za korisnike ovakva poboljšanja znače brže rezultate, pouzdanije proizvode, manje ponovnih pokušaja, agente koji mogu završiti duže radne procese i niži ukupan trošak uspješno obavljenog posla. Najbolju ekonomsku računicu donosi korisna inteligencija po uloženom novcu.
Kako korisna inteligencija postaje sposobnija i pristupačnija, sve više poslova postaje ekonomski isplativo. Kompanija može svakom korisniku pružiti prilagođenu analizu, pregledati svaki ugovor, uživo izrađivati finansijske scenarije i pomoći inženjerima da ispitaju više ideja. To je Jevonsov paradoks: veća efikasnost čini više načina upotrebe isplativim, povećava potrošnju i stvara novu ekonomsku aktivnost kroz više obavljenog posla, bolje odluke, više pokrenutih proizvoda i veće prihode.
Produktivniji računarski kapaciteti i konkurentnija baza dobavljača pomažu nam da uz niže troškove služimo većem broju korisnika i prenesemo im koristi od te veće efikasnosti. Rast finansira kontinuirana ulaganja u istraživanje, infrastrukturu i sigurnost. To je prednost OpenAI-ja koja se stalno umnožava: bolja tehnologija stvara bolju ekonomsku računicu, ona finansira naredni val napretka, a svako poboljšanje jača cijeli sistem.
