OpenAI възложи на ИИ да напише част от кода от ниско ниво за собствения си ускорител Jalapeño, а някои от генерираните фрагменти се оказаха толкова сложни, че инженерите на компанията не можаха да ги обяснят ред по ред. Изследователят от SemiAnalysis Джордан Нанос съобщи за файл с 30 000 реда, който екипът е проучвал заедно с разработчиците на OpenAI по време на независима оценка на чипа. Според Нанос инженерите добре разбирали архитектурата и принципите на работа на системата, но повече не можели да разберат всяка инструкция от кода, написан от Codex.
Не става дума за това, че създателите на Jalapeño са престанали да разбират собствения си процесор. Нанос говори за програмните ядра, тоест процедурите от най-ниско ниво, които изпълняват конкретни математически операции в ускорителя. По време на демонстрацията на изследователите беше показано, по-конкретно, MLA-ядрото за модела DeepSeek.
При прегледа на сорс кода ред по ред разработчиците многократно признаваха, че не могат да обяснят веднага предназначението на отделните инструкции.
Нанос нарече видяното „слоп“, но веднага уточни, че терминът се отнася до външния вид на кода, а не до неговото качество. Генерираните процедури преминаваха проверки, даваха правилен резултат и показваха висока производителност.
Голямата промяна в разработването на софтуер
Изследователят счита случващото се за признак на по-сериозна промяна в разработката на софтуер, при която на човека е достатъчно да зададе архитектурата, ограниченията и начините за проверка, а подробното разпределение на изчисленията може да се поддържа от ИИ.
Самата OpenAI потвърждава ролята на ИИ в разработката на Jalapeño. Моделите помагаха на инженерите да търсят варианти за реализация на хардуерните блокове, да съкращават циклите на проектиране и тестване, а след това започнаха да оптимизират софтуерните ядра. С помощта на Codex и GPT-Astra екипът за два месеца доведе до висока производителност три отворени модели, които първоначално изобщо не бяха включени в плана за поддръжка на Jalapeño. За редица отделни блокове на GPT-OSS реализациите, генерирани от ИИ, се оказаха 1,5–1,8 пъти по-бързи от вариантите, написани ръчно от специалистите.
За Jalapeño OpenAI използва езика от ниско ниво Gluon, създаден върху същия компилаторен стек като Triton. Този код е много по-близо до хардуера, отколкото обичайните програми на Python, затова разработчикът трябва да управлява разположението на данните, синхронизацията и реда на изчисленията.
SemiAnalysis пише, че отделните ядра на Jalapeño могат да заемат около 3000 реда и са придружени от проверки за коректност и собствен санитайзер. Според Нанос, общият файл, прегледан по време на посещението, е съдържал приблизително 30 хиляди реда.
Резултатите
Подходът вече дава измерими резултати. SemiAnalysis тества Jalapeño в лабораторията на OpenAI с теста си InferenceX и стигна до заключението, че ускорителят превъзхожда NVIDIA Blackwell по производителност на ват почти във целия изследван диапазон на натоварвания.
При GPT-OSS 120B OpenAI отбелязва приблизително 1,9-кратно предимство по отношение на пиковата производителност на kW, а при DeepSeek R1 и Kimi K2.5 показателите са съответно около 1,7 и 1,5 пъти.
Сравнението изисква някои уточнения. Числените резултати за SemiAnalysis бяха предоставени от OpenAI, въпреки това изследователите присъстваха при тестовете с InferenceX и проверяваха работата на системата директно в лабораторията. SemiAnalysis не е изпълнила пълния набор от тестове, а по-тежкият AgentX, предназначен за дълъг контекст и многоетапни агентски задачи, все още не е тестван за Jalapeño. Аналитиците също така смятат, че Blackwell не е най-подходящият съперник за новия чип. По отношение на класа памет HBM4 и сроковете за пускане на пазара Jalapeño е по-близо до поколението NVIDIA Rubin.
Специализираният ускорител
Самият Jalapeño стана първият специализиран ускорител на OpenAI за инференс на големи езикови модели. Компанията представи процесора съвместно с Broadcom на 24-ти юни 2026 г. OpenAI отчита девет месеца от началото на непосредственото проектиране до tape-out, докато SemiAnalysis изчислява около 16 месеца от първоначалното сформиране на екипа до предаването на проекта в производство. Broadcom отговаря за реализацията на чипа от силиция и част от мрежовата инфраструктура, а Celestica участва в създаването на платките, шкафовете и готовите системи.
OpenAI възнамерява да започне внедряването на Jalapeño в собствената си инфраструктура до края на 2026 г., а масовото производство, според оценките на SemiAnalysis, ще нараства постепенно през 2027 г. Компанията вече разработва второ поколение ускорител и формира архитектурата на третото. Историята с кода на Jalapeño показва необичайна страна на тази стратегия: изкуственият интелект вече не само работи на специализираното хардуерно оборудване, но и пише част от програмите, които карат това оборудване да функционира, като при това на човешките разработчици все по-рядко се налага да разбират всяка генерирана инструкция.
Тъй като разширяването на мрежата съставлява едва около 10% от общите разходи на системата, тази гъвкавост осигурява ценни възможности за бъдещи модели с 10–20 трилиона параметра или контекстни прозорци с 2–4 милиона токена. По време на внедряването OpenAI си сътрудничи с neoclouds и през януари ще събира данни за надеждността съвместно с партньорите си от центровете за данни, като същевременно оптимизира времето за внедряване.