OpenAI поручила ИИ писать часть низкоуровневого кода для собственного ускорителя Jalapeño, и отдельные сгенерированные фрагменты оказались настолько сложными, что инженеры компании не могли объяснить их построчно. Исследователь SemiAnalysis Джордан Нанос рассказал о 30-тысячном файле , который команда изучала вместе с разработчиками OpenAI во время независимой оценки чипа. По словам Наноса, инженеры хорошо понимали архитектуру и принципы работы системы, но уже не обязательно разбирались в каждой инструкции кода, который написал Codex.
Речь идёт не о том, что создатели Jalapeño перестали понимать собственный процессор. Нанос говорил о программных ядрах, то есть низкоуровневых процедурах, которые выполняют конкретные математические операции на ускорителе. Во время демонстрации исследователям показывали, в частности, MLA-ядро для модели DeepSeek. При построчном просмотре разработчики неоднократно признавали, что не могут сразу объяснить назначение отдельных инструкций.
Нанос назвал увиденное «слопом», но сразу уточнил, что термин относится к внешнему виду кода, а не к его качеству. Сгенерированные процедуры проходили проверки, выдавали правильный результат и показывали высокую производительность. Исследователь считает происходящее признаком более серьёзного сдвига в разработке ПО, когда человеку достаточно задать архитектуру, ограничения и способы проверки, а детальную раскладку вычислений может поддерживать ИИ.
OpenAI сама подтверждает роль ИИ в разработке Jalapeño. Модели помогали инженерам искать варианты реализации аппаратных блоков, сокращать циклы проектирования и проверки, а затем стали оптимизировать программные ядра для готового кремния. С помощью Codex и GPT-Astra команда за два месяца довела до высокой производительности три открытые модели, которые изначально вообще не входили в план поддержки Jalapeño. Для отдельных блоков GPT-OSS сгенерированные ИИ реализации оказались в 1,5–1,8 раза быстрее вариантов, написанных специалистами вручную.
Для Jalapeño OpenAI использует низкоуровневый язык Gluon , созданный на том же компиляторном стеке, что и Triton . Такой код находится гораздо ближе к аппаратуре, чем обычные программы на Python, поэтому разработчику приходится управлять размещением данных, синхронизацией и порядком вычислений. SemiAnalysis пишет, что отдельные ядра Jalapeño могут занимать около 3000 строк и сопровождаются проверками корректности и собственным sanitizer. По словам Наноса, просмотренный во время визита общий файл содержал примерно 30 тысяч строк.
Подход уже приносит измеримый результат. SemiAnalysis проверила Jalapeño в лаборатории OpenAI на своём тесте InferenceX и пришла к выводу, что ускоритель превосходит NVIDIA Blackwell по производительности на ватт почти во всём исследованном диапазоне нагрузок. На GPT-OSS 120B OpenAI приводит примерно 1,9-кратное преимущество по пиковой производительности на киловатт, а на DeepSeek R1 и Kimi K2.5 показатели составили примерно 1,7 и 1,5 раза соответственно.
Сравнение требует оговорок. Численные результаты для SemiAnalysis предоставила OpenAI, хотя исследователи присутствовали при запусках InferenceX и проверяли работу системы непосредственно в лаборатории. Полный набор тестов SemiAnalysis не запускала, а более тяжёлый AgentX, рассчитанный на длинный контекст и многошаговые агентные задачи, для Jalapeño пока не проверяли. Аналитики также считают Blackwell не самым корректным соперником для нового чипа. По классу памяти HBM4 и срокам выхода Jalapeño ближе к поколению NVIDIA Rubin.
Сам Jalapeño стал первым специализированным ускорителем OpenAI для инференса больших языковых моделей. Компания представила процессор вместе с Broadcom 24 июня 2026 года. OpenAI считает девять месяцев от начала непосредственного проектирования до tape-out, тогда как SemiAnalysis насчитывает около 16 месяцев от первоначального формирования команды до передачи проекта в производство. Broadcom отвечает за реализацию кремния и часть сетевой инфраструктуры, а Celestica участвует в создании плат, стоек и готовых систем.
OpenAI собирается начать устанавливать Jalapeño в собственной инфраструктуре до конца 2026 года, а массовое производство, по оценке SemiAnalysis, будет постепенно нарастать в течение 2027-го. Компания уже разрабатывает второе поколение ускорителя и формирует архитектуру третьего. История с кодом Jalapeño показывает необычную сторону этой стратегии: ИИ теперь не только работает на специализированном железе, но и пишет часть программ, которые заставляют такое железо работать, причём человеческим разработчикам всё реже требуется понимать каждую сгенерированную инструкцию.