OpenAI が The full stack behind abundant intelligence を公開 ── 自社チップ「Jalapeño」の実測データで示す統合戦略
OpenAIが「知能の豊かさ」を支えるフルスタック戦略を提唱し、ついに自社開発推論チップ「Jalapeño」の実測性能を晒しました。単なるハードウェアの追加ではなく、モデルからデバイスまで一気通貫で最適化することで、コストと性能の両立をどこまで推し進められるのか、その実体が見えてきました。
▸何が変わったのか
OpenAIは2026年8月25日、初の自社推論チップ「Jalapeño」の性能結果を公開しました。公開ベンチマーク「InferenceX」において、GPT-OSS 120Bモデルを使用した場合、Jalapeñoは比較対象となった商用システムを上回るピークスループット（キロワットあたり）と、より低いトークンレイテンシを記録しています。また、DeepSeek R1やKimi K2といった異系統のモデルでも高いパフォーマンスを発揮しており、汎用性の高さを示しました。これにより、チップ、メモリ、ネットワーク、サービングソフトウェアを一体で設計・最適化することが可能になり、特定ワークロードに合わせた最適な組み合わせ選びが容易になります。
◈前モデル / 競合との比較
Jalapeñoは、従来の商用アクセラレータと比較して、同じ電力消費量（kW）あたりのピークスループットが上回り、トークン生成の遅延（レイテンシ）が低いことを実測データで示しています。さらに、単一モデルだけでなく、DeepSeek R1やKimi K2など他社のオープンソースモデルでも高い性能を発揮する汎用性を備えている点も、既存の専用チップや汎用GPUと比較した際の実用的なメリットです。
◈技術背景と意義
従来のAIサービスは、モデル開発、インフラ構築、アプリケーション提供が分断していたため、全体としての効率化に限界がありました。今回の戦略は、これらを一つのシステムとして捉え、ハードウェアの特性に合わせてソフトウェアを最適化し、逆にソフトウェアの要求に応じたハードウェア設計を行う「垂直統合」です。これにより、電力効率やレイテンシ、コストなどの指標を同時改善することが可能になり、AIサービスの運用コストを劇的に下げることが期待できます。
▸こんな人・用途に
・大規模な推論リクエスト処理において、電気代（キロワットあたりスループット）の最適化が求められるエンタープライズ環境。・低レイテンシが重要な、常時稼働するエージェントやリアルタイム対話アプリケーション。・自前のモデル（GPT-OSS等）を効率的にサービングしたい開発者や研究機関。
◆入手方法・リンク
Jalapeñoチップ自体の入手情報は公開されていません。しかし、OpenAIのサービス全体として、このチップを用いたインフラが裏側で稼働しているため、既存のOpenAI APIやプラットフォームを通じて、より低コスト・高効率な推論サービスを利用できる可能性があります。
SOURCE: OpenAI (2026-08-25)
