Kemajuan AI meningkat paling pesat ketika seluruh sistem berkembang bersama. Begitulah cara saya memandang strategi komputasi OpenAI: satu sistem terpadu yang mencakup pusat data dan cip, model terdepan, platform developer kami, produk konsumen dan perusahaan, serta perangkat yang dirancang khusus untuk AI, dengan setiap lapisan memperkuat lapisan berikutnya.
Perangkat lunak yang lebih baik membuat perangkat keras lebih produktif. Perangkat keras yang dirancang untuk beban kerja kami meningkatkan kecepatan dan efisiensi. Model yang lebih mumpuni memungkinkan terciptanya produk yang lebih baik, yang kemudian meningkatkan permintaan, penggunaan, dan pembelajaran. Sinyal tersebut mengalir kembali ke seluruh sistem dan membantu kami meningkatkannya lagi.
Hari ini, kami membagikan hasil pengukuran kinerja pertama Jalapeño, cip inferensi khusus pertama OpenAI. Di InferenceX, tolok ukur publik yang menggunakan GPT‑OSS 120B, Jalapeño menghasilkan throughput puncak per kilowatt yang lebih tinggi dan latensi token yang lebih rendah daripada sistem komersial dalam perbandingan tersebut. Kinerjanya juga sangat baik pada DeepSeek R1 dan Kimi K2, menunjukkan bahwa peningkatannya berlaku di berbagai keluarga model.
Jalapeño memberi kami kendali lebih besar atas cara model kami berjalan dan keekonomian penyajiannya. Dengan mengembangkan model, perangkat lunak penyajian, cip, memori, dan jaringan secara terpadu, kami dapat meningkatkan throughput, latensi, efisiensi energi, dan biaya sebagai satu sistem. Ini menciptakan jalur internal yang andal untuk melengkapi akselerator dari mitra lain, sekaligus memperluas kemampuan kami dalam mencocokkan setiap beban kerja dengan sistem terkuat pada tingkat keekonomian yang tepat. Kini kami memiliki silikon internal yang berfungsi dengan hasil terukur, dan generasi berikutnya sudah dalam pengembangan.
Setiap beban kerja memberikan tuntutan yang berbeda pada sistem. Pelatihan terdepan, inferensi bervolume tinggi, dan agen yang selalu aktif memiliki persyaratan berbeda untuk cip, perangkat lunak, jaringan, daya, dan latensi.
Tujuan kami adalah tetap berada di batas Pareto: terus mencari kombinasi kemampuan, kecepatan, keandalan, efisiensi, dan biaya terbaik untuk setiap beban kerja. Cip dan penyedia yang berbeda unggul dalam aspek yang berbeda, dan batas terdepan terus bergeser.
Portofolio kami memberi kami pilihan yang luas untuk memenuhi kebutuhan tersebut. Komputasi Microsoft dan cip NVIDIA telah menjadi fondasi pertumbuhan OpenAI. Saat ini, portofolio kami juga mencakup AWS, AMD, Broadcom, Cerebras, CoreWeave, Oracle, SB Energy, dan SoftBank. Masing-masing menawarkan keunggulan berbeda dalam infrastruktur cloud, komputasi terakselerasi, inferensi berlatensi rendah, pembangunan pusat data, dan penyediaan energi.
Kami secara aktif mengelola portofolio ini berdasarkan kemampuan dan keekonomiannya. Kami menggunakan sistem premium ketika kemampuan menjadi hal terpenting dan mengoptimalkan efisiensi ketika skala dan biaya lebih diutamakan. Dengan mempertahankan pilihan yang andal di antara berbagai penyedia, perangkat keras, dan model penerapan, kami dapat mengarahkan permintaan ke kinerja terbaik per dolar, menjaga disiplin harga saat kondisi pasar berubah, dan mengikuti perkembangan terdepan ketika teknologi yang lebih kuat muncul. Kendali langsung menambah daya ungkit ketika integrasi yang lebih erat dapat meningkatkan seluruh sistem. Kami bermitra ketika ekosistem membantu kami bergerak lebih cepat dan membangun sendiri ketika perancangan bersama menciptakan keunggulan yang berarti.
Pusat data menciptakan titik daya ungkit lainnya. Project Camellia di Georgia menunjukkan bagaimana kami dapat merancang fasilitas berdasarkan beban kerja pelanggan sekaligus menciptakan lapangan kerja, mendukung bisnis lokal, menanggung biaya infrastruktur dan energi proyek, menghemat air melalui sistem sirkulasi tertutup, serta memastikan komitmennya diaudit secara independen dan terbuka setiap tahun.
Nilai sistem ini diukur berdasarkan hasilnya: kecerdasan yang lebih berguna dari setiap unit komputasi.
Model yang lebih baik mencapai jawaban yang tepat dengan lebih sedikit percobaan. Perutean dan pengelolaan konteks yang lebih cerdas mengurangi pekerjaan yang sia-sia. Perangkat lunak yang dioptimalkan dan perangkat keras yang dibuat khusus meningkatkan kecepatan serta efisiensi energi.
Pada Artificial Analysis Coding Agent Index, GPT‑5.6 Sol dengan penalaran Max mencapai rekor tertinggi baru dengan menggunakan token output 54% lebih sedikit daripada model terkemuka lainnya. Bagi pelanggan, peningkatan seperti ini berarti hasil yang lebih cepat, produk yang lebih andal, lebih sedikit percobaan ulang, agen yang mampu menyelesaikan alur kerja lebih panjang, dan biaya total yang lebih rendah untuk pekerjaan yang berhasil. Keekonomian terbaik berasal dari kecerdasan berguna per dolar.
Seiring kecerdasan yang berguna menjadi makin mumpuni dan terjangkau, makin banyak pekerjaan menjadi layak secara ekonomi. Perusahaan dapat menyediakan analisis yang disesuaikan bagi setiap pelanggan, meninjau setiap kontrak, menjalankan skenario keuangan secara langsung, dan membantu para teknisi menguji lebih banyak gagasan. Inilah paradoks Jevons: efisiensi yang lebih tinggi membuat lebih banyak penggunaan menjadi layak, sehingga memperluas konsumsi dan menciptakan aktivitas ekonomi baru melalui lebih banyak pekerjaan yang diselesaikan, keputusan yang lebih baik, lebih banyak produk yang diluncurkan, dan lebih banyak pendapatan yang dihasilkan.
Komputasi yang lebih produktif dan basis pasokan yang lebih kompetitif membantu kami melayani lebih banyak pelanggan dengan biaya lebih rendah serta meneruskan manfaat efisiensi tersebut kepada pengguna. Pertumbuhan mendanai investasi berkelanjutan dalam riset, infrastruktur, dan keselamatan. Itulah keunggulan OpenAI yang terus berlipat ganda: teknologi yang lebih baik menciptakan keekonomian yang lebih baik, keekonomian yang lebih baik mendanai gelombang kemajuan berikutnya, dan setiap peningkatan memperkuat seluruh sistem.
