Tekoälyn kehitys kiihtyy eniten, kun koko järjestelmä kehittyy yhtenä kokonaisuutena. Näin ajattelen OpenAI:n laskentastrategiaa: yhtenä integroituna järjestelmänä, joka kattaa datakeskukset ja sirut, edistyneet mallit, kehittäjäalustamme, kuluttaja- ja yritystuotteet sekä alusta asti tekoälyä varten suunnitellut laitteet. Jokainen kerros vahvistaa seuraavaa.
Parempi ohjelmisto tehostaa laitteiston käyttöä. Työkuormiamme varten suunniteltu laitteisto parantaa nopeutta ja tehokkuutta. Kyvykkäämmät mallit mahdollistavat paremmat tuotteet, jotka lisäävät kysyntää, käyttöä ja oppimista. Nämä signaalit palaavat järjestelmän läpi ja auttavat meitä parantamaan sitä edelleen.
Tänään julkistimme ensimmäiset mitatut suorituskykytulokset Jalapeñosta, OpenAI:n ensimmäisestä itse suunnittelemasta päättelysirusta. Julkisessa InferenceX-vertailussa, jossa käytetään GPT‑OSS 120B:tä, Jalapeñon huippusuoritusteho kilowattia kohti oli vertailun kaupallisia järjestelmiä suurempi ja tokenien viive pienempi. Se menestyi hyvin myös DeepSeek R1:llä ja Kimi K2:lla, mikä osoittaa hyötyjen ulottuvan eri malliperheisiin.
Jalapeño antaa meille enemmän hallintaa siihen, miten mallimme toimivat ja millainen niiden tarjoamisen kustannusrakenne on. Kun kehitämme mallia, palveluohjelmistoa, sirua, muistia ja verkkoa yhdessä, voimme parantaa suoritustehoa, viivettä, energiatehokkuutta ja kustannuksia yhtenä järjestelmänä. Se tarjoaa muiden kumppanien kiihdyttimien rinnalle uskottavan oman vaihtoehdon ja parantaa kykyämme sovittaa kukin työkuorma tehokkaimpaan järjestelmään oikealla kustannustasolla. Meillä on nyt toimivaa, itse suunniteltua piiteknologiaa ja siitä mitattuja tuloksia, ja seuraavia sukupolvia kehitetään jo.
Erilaiset työkuormat asettavat järjestelmälle erilaisia vaatimuksia. Edistyneiden mallien koulutuksella, suuren volyymin päättelyllä ja jatkuvasti toimivilla agenteilla on erilaiset siruihin, ohjelmistoihin, verkkoihin, sähköön ja viiveeseen liittyvät vaatimukset.
Tavoitteemme on pysyä Pareto-rintamalla eli etsiä jatkuvasti kuhunkin työkuormaan paras kyvykkyyden, nopeuden, luotettavuuden, tehokkuuden ja kustannusten yhdistelmä. Eri sirut ja toimittajat ovat vahvimpia eri osa-alueilla, ja teknologian eturintama siirtyy jatkuvasti.
Portfoliomme tarjoaa valikoiman, jolla voimme vastata näihin tarpeisiin. Microsoftin laskentakapasiteetti ja NVIDIAn sirut ovat olleet OpenAI:n kasvun perusta. Nykyään portfolioomme kuuluvat myös AWS, AMD, Broadcom, Cerebras, CoreWeave, Oracle, SB Energy ja SoftBank. Kukin tuo omat vahvuutensa pilvi-infrastruktuuriin, kiihdytettyyn laskentaan, lyhyen viiveen päättelyyn, datakeskusten kehittämiseen ja energiantoimitukseen.
Hallinnoimme tätä portfoliota aktiivisesti sekä suorituskyvyn että kustannusten näkökulmasta. Käytämme huipputason järjestelmiä siellä, missä kyvykkyys ratkaisee, ja optimoimme tehokkuutta siellä, missä mittakaava ja kustannukset ovat tärkeämpiä. Kun säilytämme aidot vaihtoehdot toimittajissa, laitteistoissa ja käyttöönottomalleissa, voimme ohjata kysyntää parhaan vastineen tarjoavaan suorituskykyyn, ylläpitää hintakuria markkinaolojen muuttuessa ja seurata teknologian eturintamaa entistä vahvempien ratkaisujen ilmaantuessa. Suora hallinta tuo lisäetua siellä, missä tiiviimpi integraatio voi parantaa koko järjestelmää. Teemme yhteistyötä, kun ekosysteemi auttaa meitä etenemään nopeammin, ja rakennamme itse, kun yhteissuunnittelu tuottaa merkittävää etua.
Datakeskukset tarjoavat toisen keinon saada lisäetua. Georgiassa toteutettava Project Camellia osoittaa, miten voimme suunnitella laitokset asiakkaiden työkuormien ympärille ja samalla luoda työpaikkoja, tukea paikallisia yrityksiä, kattaa hankkeen infrastruktuuri- ja energiakustannukset, säästää vettä suljetun kierron järjestelmällä sekä alistaa sitoumukset vuosittaiselle riippumattomalle ja julkiselle tarkastukselle.
Järjestelmän arvo mitataan sen tuotoksella: kuinka paljon enemmän hyödyllistä älykkyyttä kukin laskentayksikkö tuottaa.
Paremmat mallit löytävät oikean vastauksen harvemmilla yrityksillä. Älykkäämpi reititys ja kontekstinhallinta vähentävät turhaa työtä. Optimoidut ohjelmistot ja käyttötarkoitukseen suunnitellut laitteistot parantavat nopeutta ja energiatehokkuutta.
Artificial Analysis Coding Agent Index -vertailussa Max-päättelyä käyttänyt GPT‑5.6 Sol saavutti uuden ennätystuloksen ja käytti 54 % vähemmän tulostokeneita kuin toinen johtava malli. Asiakkaille tällaiset parannukset merkitsevät nopeampia tuloksia, luotettavampia tuotteita, vähemmän uusintayrityksiä, pidempiä työnkulkuja suorittavia agentteja ja onnistuneen työn pienempiä kokonaiskustannuksia. Paras taloudellinen hyöty syntyy hyödyllisestä älykkyydestä dollaria kohti.
Kun hyödyllisestä älykkyydestä tulee kyvykkäämpää ja edullisempaa, yhä useampi työ muuttuu taloudellisesti kannattavaksi. Yritys voi tarjota jokaiselle asiakkaalle räätälöityä analyysia, tarkistaa kaikki sopimukset, suorittaa reaaliaikaisia talousskenaarioita ja auttaa insinöörejä testaamaan useampia ideoita. Tämä on Jevonsin paradoksi: parempi tehokkuus tekee useammista käyttötavoista kannattavia, mikä lisää kulutusta ja luo uutta taloudellista toimintaa, kun töitä valmistuu enemmän, päätökset paranevat, markkinoille tuodaan enemmän tuotteita ja liikevaihto kasvaa.
Tuottavampi laskenta ja kilpailukykyisempi toimittajakenttä auttavat meitä palvelemaan useampia asiakkaita pienemmin kustannuksin ja välittämään tehokkuushyödyt käyttäjille. Kasvu rahoittaa jatkuvia investointeja tutkimukseen, infrastruktuuriin ja turvallisuuteen. Tämä on OpenAI:n kertaantuva etu: parempi teknologia parantaa taloutta, parempi talous rahoittaa kehityksen seuraavan aallon ja jokainen edistysaskel vahvistaa koko järjestelmää.
