De vooruitgang in AI versnelt het sterkst wanneer het hele systeem in samenhang verbetert. Zo kijk ik naar de computestrategie van OpenAI: één geïntegreerd systeem dat datacenters en chips, grensverleggende modellen, ons ontwikkelaarsplatform, producten voor consumenten en bedrijven en AI-native apparaten omvat, waarbij elke laag de volgende versterkt.
Betere software maakt hardware productiever. Hardware die voor onze workloads is ontworpen, verhoogt de snelheid en efficiëntie. Capabelere modellen maken betere producten mogelijk, die meer vraag, gebruik en leermogelijkheden opleveren. Die signalen vloeien terug door het systeem en helpen ons het opnieuw te verbeteren.
Vandaag deelden we de eerste gemeten prestatieresultaten van Jalapeño, de eerste speciaal ontwikkelde inferencechip van OpenAI. Op InferenceX, een openbare benchmark met GPT‑OSS 120B, leverde Jalapeño per kilowatt een hogere piekdoorvoer en een lagere tokenlatentie dan de commerciële systemen in de vergelijking. De chip presteerde ook sterk op DeepSeek R1 en Kimi K2, wat aantoont dat de verbeteringen zich uitstrekken over verschillende modelfamilies.
Jalapeño geeft ons meer controle over de werking van onze modellen en de kosten van het aanbieden ervan. Door het model, de servingsoftware, de chip, het geheugen en het netwerk gezamenlijk te ontwikkelen, kunnen we de doorvoer, latentie, energie-efficiëntie en kosten als één systeem verbeteren. Het biedt een geloofwaardig eigen alternatief naast de accelerators van andere partners die we gebruiken, waardoor we elke workload beter kunnen koppelen aan het krachtigste systeem met de juiste kostenstructuur. We hebben nu werkend eigen silicium met gemeten resultaten en de volgende generaties zijn al in ontwikkeling.
Verschillende workloads stellen verschillende eisen aan het systeem. De training van grensverleggende modellen, grootschalige inference en continu actieve agents stellen uiteenlopende eisen aan chips, software, netwerken, energie en latentie.
Ons doel is om op het Paretofront te blijven: voortdurend zoeken naar de beste combinatie van capaciteit, snelheid, betrouwbaarheid, efficiëntie en kosten voor elke workload. Verschillende chips en aanbieders lopen voorop op verschillende vlakken, en de technologische grens blijft verschuiven.
Ons portfolio geeft ons de nodige reikwijdte om aan die behoeften te voldoen. De computecapaciteit van Microsoft en de chips van NVIDIA vormden de basis voor de groei van OpenAI. Ons portfolio omvat nu ook AWS, AMD, Broadcom, Cerebras, CoreWeave, Oracle, SB Energy en SoftBank. Elk biedt andere sterke punten op het gebied van cloudinfrastructuur, accelerated computing, inference met lage latentie, datacenterontwikkeling en energielevering.
We beheren dit portfolio actief met het oog op zowel capaciteit als kosten. We zetten hoogwaardige systemen in waar capaciteit het belangrijkst is en optimaliseren op efficiëntie waar schaal en kosten zwaarder wegen. Door geloofwaardige keuzemogelijkheden tussen aanbieders, hardware en implementatiemodellen te behouden, kunnen we de vraag sturen naar de beste prestaties per dollar, prijsdiscipline handhaven wanneer de marktomstandigheden veranderen en met de technologische grens meebewegen wanneer krachtigere technologie opkomt. Directe controle biedt extra slagkracht waar nauwere integratie het hele systeem kan verbeteren. We werken samen waar het ecosysteem ons helpt sneller vooruit te komen en bouwen zelf waar gezamenlijk ontwerp een wezenlijk voordeel oplevert.
Datacenters bieden nog een aangrijpingspunt. Project Camellia in Georgia laat zien hoe we faciliteiten rond workloads van klanten kunnen ontwerpen en tegelijk banen creëren, lokale bedrijven ondersteunen, de infrastructuur- en energiekosten van het project dekken, water besparen met een gesloten kringloopsysteem en de naleving van de toezeggingen jaarlijks onafhankelijk en openbaar laten controleren.
De waarde van dit systeem wordt gemeten aan wat het oplevert: meer bruikbare intelligentie uit elke eenheid computecapaciteit.
Betere modellen vinden met minder pogingen het juiste antwoord. Slimmere routering en slimmer contextbeheer verminderen verspild werk. Geoptimaliseerde software en speciaal ontwikkelde hardware verbeteren de snelheid en energie-efficiëntie.
Op de Artificial Analysis Coding Agent Index bereikte GPT‑5.6 Sol met maximale redeneerinspanning een nieuw record, terwijl het 54% minder uitvoertokens gebruikte dan een ander toonaangevend model. Voor klanten betekenen zulke verbeteringen snellere resultaten, betrouwbaardere producten, minder herhaalde pogingen, agents die langere workflows voltooien en lagere totale kosten voor succesvol uitgevoerd werk. De beste kosten-batenverhouding komt voort uit bruikbare intelligentie per dollar.
Naarmate bruikbare intelligentie krachtiger en betaalbaarder wordt, wordt meer werk economisch haalbaar. Een bedrijf kan elke klant analyses op maat bieden, elk contract beoordelen, realtime financiële scenario's doorrekenen en technici helpen meer ideeën te testen. Dit is de Jevons-paradox: door grotere efficiëntie worden meer toepassingen de moeite waard, neemt het verbruik toe en ontstaat nieuwe economische activiteit doordat meer werk wordt voltooid, betere beslissingen worden genomen, meer producten worden gelanceerd en meer omzet wordt gegenereerd.
Productievere computecapaciteit en een concurrerender leverancierslandschap helpen ons meer klanten tegen lagere kosten te bedienen en die efficiëntiewinst aan gebruikers door te geven. Groei financiert verdere investeringen in onderzoek, infrastructuur en veiligheid. Dat is het zichzelf versterkende voordeel van OpenAI: betere technologie zorgt voor een betere kostenstructuur, die de volgende vooruitgangsgolf financiert, en elke verbetering maakt het hele systeem sterker.
