El progrés de la IA s'accelera més quan tot el sistema millora alhora. Així entenc l'estratègia de computació d'OpenAI: un sistema integrat que inclou centres de dades i xips, models d'avantguarda, la nostra plataforma per a desenvolupadors, productes per a consumidors i empreses i dispositius nadius d'IA, en què cada capa reforça la següent.
Un programari millor fa que el maquinari sigui més productiu. El maquinari dissenyat per a les nostres càrregues de treball millora la velocitat i l'eficiència. Els models més capaços permeten crear productes millors, que generen més demanda, ús i aprenentatge. Aquests senyals retornen a través del sistema i ens ajuden a tornar-lo a millorar.
Avui hem compartit els primers resultats de rendiment mesurats de Jalapeño, el primer xip d'inferència personalitzat d'OpenAI. A InferenceX, un banc de proves públic que utilitza GPT‑OSS 120B, Jalapeño va oferir més rendiment màxim per quilowatt i una latència per segment inferior a la dels sistemes comercials comparats. També va obtenir molt bons resultats amb DeepSeek R1 i Kimi K2, fet que demostra que els avantatges s'estenen a diverses famílies de models.
Jalapeño ens dona més control sobre com funcionen els nostres models i sobre el cost econòmic d'oferir-los. En desenvolupar conjuntament el model, el programari de servei, el xip, la memòria i la xarxa, podem millorar el rendiment, la latència, l'eficiència energètica i el cost com un únic sistema. Això crea una alternativa pròpia i viable als acceleradors que fem servir d'altres socis, i amplia la nostra capacitat d'assignar cada càrrega de treball al sistema més potent amb l'economia adequada. Ara ja disposem de silici propi operatiu amb resultats mesurats, i les generacions futures ja estan en marxa.
Cada càrrega de treball planteja exigències diferents al sistema. L'entrenament d'avantguarda, la inferència a gran volum i els agents sempre actius tenen requisits diferents quant a xips, programari, xarxes, energia i latència.
El nostre objectiu és mantenir-nos a la frontera de Pareto: cercar contínuament la millor combinació de capacitat, velocitat, fiabilitat, eficiència i cost per a cada càrrega de treball. Cada xip i proveïdor destaca en aspectes diferents, i la frontera no para d'avançar.
La nostra cartera ens dona la diversitat necessària per satisfer aquestes necessitats. La capacitat de computació de Microsoft i els xips de NVIDIA han estat fonamentals per al creixement d'OpenAI. Avui, la nostra cartera també inclou AWS, AMD, Broadcom, Cerebras, CoreWeave, Oracle, SB Energy i SoftBank. Cadascun aporta punts forts diferents en infraestructura al núvol, computació accelerada, inferència de baixa latència, desenvolupament de centres de dades i subministrament energètic.
Gestionem activament aquesta cartera tant per capacitat com per criteris econòmics. Fem servir sistemes d'alta gamma allà on la capacitat és més important i optimitzem l'eficiència quan l'escala i el cost tenen més pes. Mantenir opcions viables entre proveïdors, maquinari i models de desplegament ens permet dirigir la demanda cap al millor rendiment per dòlar, preservar la disciplina de preus quan canvien les condicions del mercat i avançar amb la frontera a mesura que apareixen tecnologies més potents. El control directe aporta més capacitat d'acció allà on una integració més estreta pot millorar tot el sistema. Col·laborem amb socis quan l'ecosistema ens permet avançar més de pressa i construïm nosaltres mateixos quan el codisseny ofereix un avantatge significatiu.
Els centres de dades ofereixen un altre punt de palanca. El Projecte Camellia, a Geòrgia, mostra com podem dissenyar instal·lacions al voltant de les càrregues de treball dels clients i, alhora, crear llocs de treball, donar suport a les empreses locals, assumir els costos d'infraestructura i energia del projecte, estalviar aigua amb un sistema de circuit tancat i sotmetre els compromisos a una auditoria pública independent anual.
El valor d'aquest sistema es mesura pel que produeix: més intel·ligència útil per cada unitat de computació.
Els models millors arriben a la resposta correcta amb menys intents. Un encaminament i una gestió del context més intel·ligents redueixen la feina malbaratada. El programari optimitzat i el maquinari dissenyat específicament milloren la velocitat i l'eficiència energètica.
A l'Artificial Analysis Coding Agent Index, GPT‑5.6 Sol amb raonament Max va assolir un nou màxim tot utilitzant un 54 % menys de segments de sortida que un altre model capdavanter. Per als clients, millores com aquestes comporten resultats més ràpids, productes més fiables, menys reintents, agents capaços de completar fluxos de treball més llargs i un cost total inferior per a la feina completada amb èxit. La millor economia s'obté maximitzant la intel·ligència útil per dòlar.
A mesura que la intel·ligència útil guanya capacitat i esdevé més assequible, més tasques passen a ser econòmicament viables. Una empresa pot oferir anàlisis personalitzades a cada client, revisar tots els contractes, executar escenaris financers en temps real i ajudar els enginyers a provar més idees. Aquesta és la paradoxa de Jevons: una eficiència més gran fa que més usos resultin rendibles, amplia el consum i crea nova activitat econòmica perquè es completa més feina, es prenen millors decisions, es llancen més productes i es generen més ingressos.
Una computació més productiva i una base de proveïdors més competitiva ens ajuden a servir més clients a un cost inferior i a traslladar-los aquests guanys d'eficiència. El creixement finança la inversió continuada en recerca, infraestructura i seguretat. Aquest és l'avantatge acumulatiu d'OpenAI: una tecnologia millor crea una economia millor, una economia millor finança la següent onada de progrés i cada avenç reforça tot el sistema.
