O progresso da IA se acelera mais quando todo o sistema evolui em conjunto. É assim que penso na estratégia de computação da OpenAI: um sistema integrado que abrange data centers e chips, modelos de fronteira, nossa plataforma para desenvolvedores, produtos para consumidores e empresas e dispositivos nativos de IA, com cada camada fortalecendo a seguinte.
Um software melhor torna o hardware mais produtivo. Um hardware projetado para nossas cargas de trabalho aumenta a velocidade e a eficiência. Modelos mais capazes viabilizam produtos melhores, que geram mais demanda, uso e aprendizado. Esses sinais retornam pelo sistema e nos ajudam a aprimorá-lo novamente.
Hoje, divulgamos os primeiros resultados de desempenho medidos do Jalapeño, o primeiro chip de inferência personalizado da OpenAI. No InferenceX, um benchmark público que usa o GPT‑OSS 120B, o Jalapeño apresentou maior taxa de processamento de pico por quilowatt e menor latência de token que os sistemas comerciais da comparação. Ele também teve ótimo desempenho no DeepSeek R1 e no Kimi K2, mostrando que seus ganhos se estendem a diferentes famílias de modelos.
O Jalapeño nos dá mais controle sobre a execução dos nossos modelos e sobre a economia de sua disponibilização. Ao desenvolvermos em conjunto o modelo, o software de disponibilização, o chip, a memória e a rede, podemos melhorar a taxa de processamento, a latência, a eficiência energética e o custo como um único sistema. Isso cria uma alternativa própria viável aos aceleradores que usamos de outros parceiros, ampliando nossa capacidade de associar cada carga de trabalho ao sistema mais robusto com a economia adequada. Agora temos silício próprio em funcionamento, com resultados medidos, e as próximas gerações já estão em desenvolvimento.
Diferentes cargas de trabalho impõem diferentes demandas ao sistema. O treinamento de fronteira, a inferência em alto volume e os agentes sempre ativos têm requisitos distintos de chips, software, redes, energia e latência.
Nosso objetivo é permanecer na fronteira de Pareto, buscando continuamente a melhor combinação de capacidade, velocidade, confiabilidade, eficiência e custo para cada carga de trabalho. Diferentes chips e fornecedores se destacam em diferentes aspectos, e a fronteira continua avançando.
Nosso portfólio oferece a diversidade necessária para atender a essas demandas. A computação da Microsoft e os chips da NVIDIA foram fundamentais para o crescimento da OpenAI. Hoje, nosso portfólio também inclui AWS, AMD, Broadcom, Cerebras, CoreWeave, Oracle, SB Energy e SoftBank. Cada um oferece diferentes vantagens em infraestrutura de nuvem, computação acelerada, inferência de baixa latência, desenvolvimento de data centers e fornecimento de energia.
Gerenciamos ativamente esse portfólio, considerando tanto a capacidade quanto a economia. Usamos sistemas premium onde a capacidade é mais importante e otimizamos a eficiência onde escala e custo têm mais peso. Manter alternativas viáveis entre fornecedores, hardwares e modelos de implantação nos permite direcionar a demanda para o melhor desempenho por dólar, preservar a disciplina de preços à medida que as condições do mercado mudam e acompanhar a fronteira conforme surgem tecnologias mais avançadas. O controle direto aumenta nossa força onde uma integração mais estreita pode melhorar todo o sistema. Fazemos parcerias quando o ecossistema nos ajuda a avançar mais rápido e construímos quando o desenvolvimento conjunto gera uma vantagem significativa.
Os data centers criam outro ponto de alavancagem. O Projeto Camellia, na Geórgia, mostra como podemos projetar instalações em torno das cargas de trabalho dos clientes e, ao mesmo tempo, criar empregos, apoiar empresas locais, cobrir os custos de infraestrutura e energia do projeto, conservar água por meio de um sistema de circuito fechado e submeter seus compromissos a uma auditoria pública, independente e anual.
O valor desse sistema é medido pelo que ele produz: mais inteligência útil por unidade de computação.
Modelos melhores chegam à resposta certa com menos tentativas. Um roteamento e um gerenciamento de contexto mais inteligentes reduzem o trabalho desperdiçado. Software otimizado e hardware desenvolvido para fins específicos aumentam a velocidade e a eficiência energética.
No Artificial Analysis Coding Agent Index, o GPT‑5.6 Sol com raciocínio Max atingiu um novo recorde usando 54% menos tokens de saída que outro modelo líder. Para os clientes, melhorias como essas significam resultados mais rápidos, produtos mais confiáveis, menos novas tentativas, agentes capazes de concluir fluxos de trabalho mais longos e menor custo total por trabalho bem-sucedido. A melhor economia vem da inteligência útil por dólar.
À medida que a inteligência útil se torna mais capaz e acessível, mais trabalhos passam a ser economicamente viáveis. Uma empresa pode oferecer análises personalizadas a cada cliente, revisar todos os contratos, simular cenários financeiros em tempo real e ajudar engenheiros a testar mais ideias. Esse é o paradoxo de Jevons: uma eficiência maior torna mais usos vantajosos, ampliando o consumo e criando novas atividades econômicas com mais trabalhos concluídos, melhores decisões, mais produtos lançados e mais receita gerada.
Uma computação mais produtiva e uma base de fornecedores mais competitiva nos ajudam a atender mais clientes a um custo menor e a repassar esses ganhos de eficiência aos usuários. O crescimento financia investimentos contínuos em pesquisa, infraestrutura e segurança. Essa é a vantagem cumulativa da OpenAI: uma tecnologia melhor gera uma economia melhor, uma economia melhor financia a próxima onda de progresso e cada avanço fortalece todo o sistema.
