Natiijooyinkii kowaad Jalapeño waxay muujinayaan xawaare & hufnaan hoggaaminaya bahda inference AI

Tan iyo markii aan ku dhawaaqnay Jalapeño, chip-ka ugu horreeya ee gaarka ah ee OpenAI ee go'aaminta, waxaan tijaabinaynay chip-ka iyo nidaamka ku dhisan hareerihiisa. Natiijooyinku waxay muujinayaan horumar waxqabad oo weyn: Jalapeño waxay qaban kartaa hawlo badan oo sirdoonka macmalka ah ah halbeeg kasta oo tamar ah, iyadoo sidoo kale jawaabaha si ka dhakhso badan u soo celinaysa. Jalapeño wuxuu hal qaab-dhismeed ku bixiyaa shaqada sare iyo dib u dhac hoose labadaba, halka nidaamyada qalabka ee jira ay inta badan ku khasban yihiin inay isu dheelitirto labadaas.
Macaamiisha, taas waxay uga dhigan tahay jawaabo degdeg ah, wakiillo si ka dhaqso badan uga jawaaba, iyo helitaan la isku halayn karo marka baahidu kordho. Hadafkeennu waa inaan hubinno in caqliga macmalka guud uu faa’iido u yeesho dhammaan aadanaha. Horumarradan waxay gacan ka geysan doonaan in AI-ga awooddiisu sii kordhayso uu noqdo mid la awoodi karo oo si ka ballaaran loo heli karo.
Moodallada OpenAI sidoo kale waxay dedejiyeen horumarinta Jalapeño. Moodalladii hore waxay kooxda ka caawiyeen naqshadeynta iyo hawlgelinta chip-ka, halka moodalladeena ugu dambeeya ay dedejinayaan habka aan u tayneyneyno una barnaamijeyneyno. Waxqabadka Jalapeño wuxuu ku fidsan yahay GPT‑OSS 120B, DeepSeek R1, iyo Kimi K2.5 1T, taasoo muujinaysa in qaab-dhismeedku ka shaqeeyo moodallada lagu horumariyey gudaha iyo dibadda OpenAI labadaba. Saddexdaba, Jalapeño wuxuu bixiyay shaqo AI oo wattkiiba 1.5 ilaa 1.9 jeer ka badan marka shaqadu ugu sarreyso, iyo daahitaan dhammaad-ilaa-dhammaad ah oo 1.7 ilaa 3.6 jeer ka hooseeya kan nidaamyada isbarbardhigga. Hawlaha aadka u isdhexgalka leh, waxay bixisay waxqabad 2.1 ilaa 4.1 jeer ka sarreeya.
Jalapeño sidoo kale waa caddeyn muujinaysa faa’iido ballaaran oo ku saabsan dhammaan lakabyada tignoolajiyadda. OpenAI waxay si wadajir ah u naqshadayn kartaa moodallada, alaabooyinka, software-ka adeeg-bixinta, jabyada, xusuusta, shabakadaynta iyo nidaamyada, iyadoo adeegsanaysa waxa aan ka baranno culaysyada shaqo ee dhabta ah si aan u hagaajinno lakab kasta oo nidaamka ah. Jalapeño waa silikoon ay shirkaddu si toos ah u samaysay oo shaqaynaya, lehna natiijooyin la cabbiray; waana bilowga madal jiilal badan ah. Bilaha soo socda, waxaan sare u qaadi doonnaa Jalapeño si aan macaamiisheenna ugu keeno badeecooyin ka dhakhso badan, ka karti badan, kana hufan.
Waxaan qiimeynaa waxqabadka iyadoo la adeegsanayo khibrad isticmaale oo la is waafajiyey, annagoo cabbirayna inta shaqo AI oo waxtar leh ee nidaam kasta dhammeystiri karo halkii unug ee awood ah, iyadoo la buuxinayo heerka daahitaanka ay macaamiisha iyo wakiillada is-dhexgalka u baahan yihiin. Arrintani waxay si gaar ah muhiim ugu tahay wakiillada, kuwaas oo u baahan inay dhammaystiraan tallaabooyin badan oo isku xiga, sidaas darteed dib-u-dhacyadu waxay ku ururi karaan hawsha oo dhan.
Si loo fahmo sida Jalapeño uga shaqeeyo ficil ahaan, waxaan ku tijaabinay InferenceX, oo ah halbeeg waxqabad oo dadweyne oo ka yimid SemiAnalysis, kaas oo cabbira habka buuxa ee u adeegidda codsi AI. Waxaan Jalapeño barbar dhignay nidaamyada AI ee ganacsi ahaan la heli karo ee hormuudka ah dhammaan baaxadda hawlgalka ee la tijaabiyey, laga bilaabo adeeg-bixin shaqada sare leh ilaa adeegsi aad isdhexgal u leh oo dib-u-dhac hooseeya. Jalapeño waxay bixisay isku-darka ka wanaagsan ee shaqada, hufnaanta tamarta, iyo dib-u-dhac. In kasta oo waxqabadka mararka qaarkood loo soo sheego halkii chip, waxaan aaminsanahay in halbeegga waxtarka leh uu yahay waxqabadka halkii cutub ee awoodda.
Dhammaan saddexda moodal ee dadweynaha, Jalapeño wuxuu bixiyay isku-dar ka wanaagsan oo waxqabad halkii watt ah iyo daahitaan ah dhammaan xadka hawlgalka ee la tijaabiyay, taas oo gelisay ugu casriyeysan ee Pareto. Si nidaamyada si isku mid ah loogu barbar dhigo, waxaan natiijooyinka caadiyeynay annagoo adeegsanayna qiimeynta awoodda chip-ka ee la daabacay ee dardargeliyaha kasta. Jalapeño waxaa lagu qiimeeyay 700 watt, inkastoo awooddiisa joogtada ah ee la cabbiray ay ku ekayd 550 watt ama ka hooseysay culaysyada shaqo ee la tijaabiyay.
Jalapeño wuxuu waxqabad xooggan ka sameeyay GPT‑OSS 120B, DeepSeek R1 670B, iyo Kimi K2.5 1T. Kimi, oo ah moodalka dadweynaha ugu weyn ee aan tijaabinay, waxay bixisay waxqabadka ugu sarreeya halkii watt oo qiyaastii 1.5 jeer ka sarreeya iyo daahitaanka min bilow -ilaa-dhammaadka oo 3.4 jeer ka hooseeya nidaamka isbarbardhigga. Tijaabooyinkayaga gudaha, faa’iidada Jalapeño ayaa sii ballaaratay marka la eego moodallada OpenAI ee ugu casriyeysan, taas oo muujinaysa in qaab-dhismeedku sii qiimo badanayo marka culaysyada shaqadu noqdaan kuwo waaweyn oo dalabkoodu sarreeyo.
Jalapeño bilowgii horeba waxaa loo naqshadeeyay iyadoo la isweydiinayo: qalab noocee ah ayaan dhisi lahayn haddii hawshiisa ugu weyn ay ahaan lahayd u adeegidda moodallada luqadda ee casriga ah iyo kuwa mustaqbalka, gaar ahaan wakiillada is-dhexgalka leh? Horumarka Jalapeño wuxuu ka yimaadaa in chip-ka, xusuusta, shabakadda, software-ka, iyo nidaamka cabbirka raagga si wadajir ah loogu naqshadeeyo culaysyada shaqo ee dhabta ah ee moodallada luqadda. Falanqaynta moodallada luqadda waxay martaa dhowr weji oo kala duwan oo leh ciriiriyo kala duwan. Habaynta hore, marka nidaamku farsameeyo timaanta, waxay u baahan tahay awood xisaabeed badan, halka soo-saarista, marka nidaamku jawaabta u soo saaro tokenkiiba token kale, ay inta badan ku xaddidan tahay baaxadda gudbinta xogta xusuusta. Isgaarsiintu sidoo kale waxay kordhin kartaa dib-u-dhaca marka xogtu ay tahay inay u gudubto inta u dhexeysa xudumaha iyo chip-yada, taasoo ka tagaysa qaar ka mid ah unugyada habaynta oo aan shaqayn inta ay sugayaan. Nidaam ku fiican hal marxalad ayaa lumin kara faa’iidadaas inta uu sugayo xogta ama uu xaaladda moodalka u kala wareejinayo khayraad kala duwan.
Waxaan Jalapeño u qaabaynay si loo yareeyo dhaqdhaqaaqa xogta iyo dib-u-dhacyada isgaarsiinta. Tani waxay ka dhigan tahay in xogta xaaladda moodeelka, oo ay ku jirto kaydka KV ee la isticmaalo inta jawaabtu abuurmayso, si cad loo meelayn karo loona kaydin karo gudaha, halka nidaamku u hawlgelinayo isku-darka ku habboon ee awoodda xisaabinta, xusuusta iyo isku-xidhka shabakadda marxalad kasta oo saadaalinta ah. Shabakadu waxay qayb muhiim ah ka tahay qaab-dhismeedka. Baaxaddiisa weyn waxay u oggolaanaysaa in culayska shaqada oo dhan uu ku sii jiro hal nidaam oo isku xiran, taas oo yaraynaysa wareejinta xogta isla markaana ka caawinaysa codsiga oo dhan inuu ahaado mid degdeg ah oo hufan laga bilaabo bilow ilaa dhammaad. Natiijadu waa dardargeliye dheellitiran oo si dabacsan loogu adeegsan karo hawlo kala duwan, kaas oo taageeri kara qaab-dhismeedyada moodallada isbeddelaya, si heer sare ahna uga shaqayn kara buuxinta hore iyo soo-saarista, isla markaana la qabsan kara marka isu-dheellitirka u dhexeeya labadoodu isbeddelo, taas oo ah sifo qeexaysa culaysyada shaqo ee ku salaysan wakiillada AI-ga.
AI waxay door toos ah ku lahayd horumarinta Jalapeño, iyadoo u suuragelisay kooxda inay sagaal bilood gudahood naqshaddii bilowga ahayd uga gudbaan tapeout iyagoo sahaminaya hirgelinno, soo gaabinaya wareegyada naqshadaynta, cabbiridda, iyo xaqiijinta, isla markaana si joogto ah ugu celcelinaya culaysyada shaqo ee moodalka. AI-ga ayaa sidoo kale gacan ka geystay hagaajinta wareegyada xisaabeed ee chip-ka, taas oo kooxda u saamaxday inay waxqabad xisaabineed oo badan ku dhex daraan chip-ka iyadoo jadwalkii la qorsheeyay la raacayo.
Jalapeño waxaa loo qaabeeyey inuu noqdo bartilmaameed barnaamijineed cad oo la saadaalin karo, oo loogu talagalay dadka iyo AI labadaba. Injineeradu waxay shaqada ku sifayn karaan iyaga oo adeegsanaya tensorro maxalli ah, isgaarsiin cad, iyo iswaafajin la saadaalin karo. Markaas AI-gu wuxuu ugu wanaajin karaa sida shaqadaas loo khariidadeeyo, loo meeleeyo, loo jadwaleeyo, loona isku dubbarido nidaamka oo dhan. Qaab-dhismeedkaas cad ee la saadaalin karo wuxuu AI-ga siinayaa hab la maareyn karo oo uu wax kaga qabto dhibaatada barnaamij-samaynta isbarbar-socodka, taas oo dhaqan ahaan adkayd.
Taageeridda qoys kasta oo moodal cusub ah waxay weli u baahan tahay kayd cusub iyo hagaajinno moodal-gaar ah. Kooxdu, iyadoo Codex la adeegsanaysa GPT‑Astra, waxay saddex moodallada miisaanka furan oo aan qayb ka ahayn qorshihii wax-soo-saarka asalka ahaa ee Jalapeño ku gaarsiisay waxqabad sare laba bilood gudahood. Tani waxay muujisay labadaba dabacsanaanta qaab-dhismeedka iyo xawaaraha ay AI-du nooga caawin karto inaan barnaamij u samayno. Balogyada la xushay ee feejignaanta GPT‑OSS iyo isku-darka khubarada, hirgelinnada ay AI soo saartay waxay ku socdeen 1.5 ilaa 1.8 jeer si ka dhakhso badan hirgelinnada jira ee ay qoreen khubaro bini’aadam ah. Tirooyinkaasi waxay khuseeyaan baloogyada la xushay, ee ma khuseeyaan moodalka oo dhan, balse waxay tilmaamayaan wareeg horumarineed cusub oo awood leh.
Kaabayaasha AI-ga waa kuwo qiimo leh sababtoo ah shaqada waxtarka leh ee dunida dhabta ah ee ay suurtogal ka dhigaan. Marka uu ka soo saaro shaqo waxtar badan isla awoodda koronto iyo qalabka, Jalapeño wuxuu naga caawin karaa inaan daboolno dalab badan oo aan dhimno kharashka lagu gaarsiinayo natiijo guul leh. OpenAI, tani waxay hagaajin kartaa awoodda hawlgalka iyadoo u oggolaanaysa shaqada waxtarka leh iyo dakhliga inay u koraan si ka dhaqso badan kharashka adeeg-bixinta. Waxay sidoo kale taageeri kartaa qaadasho ballaaran iyo maalgelin joogto ah oo lagu sameeyo moodallo, alaabooyin, iyo kaabayaal aad u fiican. Falanqaynta degdega ah waxay suurtagelin kartaa ku-celcelin degdeg ah iyo xaalado adeegsi oo cusub.
Jalapeño waxa uu ballaadhinayaa waxa suurtagal u ah saadaalinta hufan ee daahitaankiisu hooseeyo:
- Falanqayn habka ultra-degdeg ah oo leh hufnaan horay loogu heli jiray kaliya habka degdegga ah
- Falanqaynta Hab degdeg ah oo leh hufnaan hore loogu heli jiray oo keliya habka dufcadaysan
- Hufnaan sare oo loogu talagalay saadaalinta habka xidhmada
Waxaan qorshaynaynaa inaan bilowno geynta Jalapeño gudaha kaabayaasha xisaabinta ee OpenAI dhammaadka sanadkan. Waa jiilkii koowaad ee qorshe-hawleed jiilal badan ah: Jiilka 2aad horumarintiisu si qoto dheer ayay u socotaa, halka Jiilka 3aadna uu qaab yeelanayo. Jiil kasta waxa uu ku dhisi doonaa waxa aan baranno, wuxuuna sii horumarin doonaa hufnaanta iyo xawaaraha labadaba.
Buuxinta baahida sii kordhaysa ee AI waxay u baahan doontaa awood xisaabeed dheeraad ah oo laga helo il kasta oo la heli karo. Waxaan sii wadi doonnaa inaan si ballaaran u hirgelinno dardargeliyeyaasha ka socda NVIDIA iyo shuraakada kale, labadaba culeysyada shaqo ee tababarka iyo saadaasha natiijooyinka. Hadafkeennu waa inaan hubinno in caqliga macmalka guud uu faa’iido u yeesho dhammaan aadanaha.
Markaan isu diyaarinayno hawlgelinta, waxaan sii wadaynaa qiimeynta u-qalmitaanka wax-soo-saarka, kobcinta softiweerka, isu diyaarinta inaan Jalapeño ku shaqaysiinno si baaxad leh, iyo xaqiijinta waxqabadka moodallo badan oo dheeraad ah. Natiijooyinka ilaa hadda waxay muujinayaan waxa suurtagal ah marka aan nidaamka oo dhan si wadajir ah u naqshadeyno: AI si ka jawaab celin leh, karti badan, iyo AI-ga wakiileed, kana si hufan loogu gaarsiiyo dad badan.
SHAQADA halkii kW ugu casriyeysan
InferenceX · GPT‑OSS‑120B · nominal 8k/1k · STP · package TDP: Jalapeño 700 W; GB200 1,200 W
AWOODDA UGU SARREYSA IYO ISBARBARDHIGGA
InferenceX · GPT‑OSS‑120B · nominal 8k/1k · STP · package TDP: Jalapeño 700 W; GB200 1,200 W
Sareysa ugu sarraysa ee isku dhafan TPS / kW
≈1.9×
85,448 iyo 44,960 isku dhafan / kW
Dib u dhac hoose oo min bilow ilaa dhammaad ah
≈1.7×
1.03 s vs 1.80 s
Hoos u dhigista TBT-ga ugu yar
≈2.7×
0.69 vs 1.87 ms (1,459 vs 535 tok/s/yuusar)
Shaqada badan marka la joogo TBT-gii hore
≈53.7×
22,935 vs. 427 isku dhafan / kW (535.28 tok/s/yuusar)
SHAQADA halkii kW ugu casriyeysan
InferenceX · DeepSeek R1 MXFP4 · 8k/1k · STP · TDP-ga xirmada: Jalapeño 700 W; GB300 1,400 W
AWOODDA UGU SARREYSA IYO ISBARBARDHIGGA
InferenceX · DeepSeek R1 MXFP4 · 8k/1k · STP · TDP-ga xirmada: Jalapeño 700 W; GB300 1,400 W
Sareysa ugu sarraysa ee isku dhafan TPS / kW
≈1.7×
19,641 marka loo barbardhigo 11,781 isku dhafan / kW
Dib u dhac hoose oo min bilow ilaa dhammaad ah
≈3.6×
1,65 s marka la barbar dhigo 5,99 s
Hoos u dhigista TBT-ga ugu yar
≈4.1×
1.43 marka la barbar dhigo 5.90 ms (700 marka la barbar dhigo 169 tok/s/yuusar)
Shaqada badan marka la joogo TBT-gii hore
≈104,3×
12,258 marka la barbardhigo 118 isku dhafan / kW (169.41 tok/s/yuusa)
SHAQADA halkii kW ugu casriyeysan
InferenceX · Kimi K2.5 MXFP4 · nominal 8k/1k · STP · TDP-ga xirmada: Jalapeño 700 W; GB300 1,400 W
AWOODDA UGU SARREYSA IYO ISBARBARDHIGGA
InferenceX · Kimi K2.5 MXFP4 · nominal 8k/1k · STP · TDP-ga xirmada: Jalapeño 700 W; GB300 1,400 W
Sareysa ugu sarraysa ee isku dhafan TPS / kW
≈1.5×
18,195 marka loo eego 11,862 isku-dhafan / kW
Dib u dhac hoose oo min bilow ilaa dhammaad ah
≈3.4×
1.56 s vs. 5.31 s
Hoos u dhigista TBT-ga ugu yar
≈3.8×
1.44 vs. 5.48 ms (694 vs. 182 tok/s/yuusar)
Shaqada badan marka la joogo TBT-gii hore
≈56.1×
6,744 vs. 120 isku-dhafan / kW (182.46 tok/s/yuusar)


