Jalapeño nhanh hơn nhưng chưa bán: giới hạn lớn trong chip AI của OpenAI

Ngày 25/8/2026, OpenAI công bố benchmark đầu tiên của Jalapeño, hệ thống dùng chip suy luận AI tùy chỉnh của hãng. Trong ba workload trọng số mở, kết quả do OpenAI công bố cho thấy hiệu năng đỉnh trên mỗi watt cao hơn 1,5–1,9 lần và độ trễ đầu cuối thấp hơn 1,7–3,6 lần so với các hệ thống đối sánh Nvidia được nêu trong phép thử.

“Nhanh hơn” ở đây là kết quả trong những cấu hình benchmark cụ thể, chưa phải đánh giá độc lập trên mọi mô hình hay tải thực tế. Đồng thời, Axios xác nhận giới hạn tiếp cận: OpenAI dự kiến chỉ có số lượng hệ thống Jalapeño hạn chế trong năm 2026 và không có kế hoạch bán chip ra bên ngoài vì nhu cầu điện toán nội bộ rất lớn.

Jalapeño nhanh hơn trong những điều kiện nào?

Phép đo sử dụng InferenceX, benchmark công khai của SemiAnalysis dành cho toàn bộ quá trình phục vụ một yêu cầu suy luận. Ba workload là GPT-OSS 120B, DeepSeek R1 670B và Kimi K2.5 1T, đều dùng độ dài danh nghĩa 8.000 token đầu vào và 1.000 token đầu ra.

Đối tượng được so sánh là các hệ thống hoàn chỉnh trong cấu hình phục vụ cụ thể, không phải tốc độ lý thuyết của một chip đứng riêng. Chỉ số trọng tâm là lượng công việc hữu ích trên mỗi kilowatt trong khi vẫn xét độ trễ, vì thông lượng tổng cao không có nhiều ý nghĩa với ứng dụng tương tác nếu từng người dùng phải chờ lâu.

Để chuẩn hóa điện năng, Jalapeño được tính theo công suất thiết kế 700 W, dù công suất duy trì đo được trong các workload không vượt quá 550 W. Đối thủ là hệ thống Nvidia GB200 ở mức 1.200 W trên GPT-OSS và GB300 ở mức 1.400 W trên DeepSeek R1 cùng Kimi K2.5.

Trên GPT-OSS 120B, hệ thống Jalapeño đạt thông lượng đỉnh trên mỗi kilowatt cao hơn khoảng 1,9 lần và độ trễ đầu cuối thấp hơn khoảng 1,7 lần. Hai mức chênh lệch tương ứng là khoảng 1,7 và 3,6 lần với DeepSeek R1; khoảng 1,5 và 3,4 lần với Kimi K2.5. Các tỷ lệ này chỉ mô tả ba workload, độ dài ngữ cảnh và hệ thống đối sánh đã công bố, nên không chứng minh Jalapeño nhanh hơn với mọi mô hình hoặc chế độ phục vụ.

Lợi thế không chỉ là số token mỗi giây

Điểm đáng chú ý của kết quả là Jalapeño nằm trên đường biên Pareto trong phạm vi vận hành được thử nghiệm: hệ thống kết hợp thông lượng trên mỗi watt cao hơn với độ trễ thấp hơn, thay vì cải thiện một chỉ số bằng cách hy sinh chỉ số còn lại. Điều này phù hợp với tải suy luận tương tác, nơi nhiều bước gọi mô hình nối tiếp có thể cộng dồn thời gian chờ.

Thiết kế xử lý hai giai đoạn suy luận có đặc tính khác nhau. Prefill tiếp nhận và xử lý câu lệnh ban đầu, cần nhiều năng lực tính toán; decode tạo phản hồi theo từng token và phụ thuộc nhiều hơn vào băng thông bộ nhớ. Chip, bộ nhớ, mạng và phần mềm phục vụ được đồng thiết kế để giảm di chuyển dữ liệu, giữ trạng thái mô hình — gồm KV cache — gần nơi xử lý và hạn chế thời gian các thành phần phải chờ nhau.

Đây vẫn là benchmark do chính nhà phát triển phần cứng thực hiện và trình bày. Hai bài báo độc lập kiểm tra ý nghĩa, lịch triển khai và giới hạn so sánh, nhưng không công bố một lần đo lại Jalapeño trên hệ thống do bên thứ ba vận hành. Kết quả nội bộ với các mô hình riêng của OpenAI cũng chưa đi kèm dữ liệu đủ chi tiết để đối chiếu độc lập.

Triển khai nhỏ giọt làm thay đổi ý nghĩa của benchmark

Khoảng cách lớn nhất giữa kết quả kỹ thuật và khả năng tiếp cận nằm ở sản lượng. Theo lịch triển khai được TechCrunch dẫn lại, Jalapeño chỉ dự kiến xuất hiện vào cuối năm 2026 với số lượng “rất nhỏ”; quy mô đáng kể hơn được chờ đợi trong năm 2027.

Thời gian này còn tạo ra một giới hạn so sánh: benchmark đặt Jalapeño cạnh các hệ thống Nvidia Blackwell hiện có, nhưng phần cứng cạnh tranh có thể tiếp tục tiến bộ trước khi chip của OpenAI được triển khai rộng. Vì vậy, kết quả ngày 25/8 là ảnh chụp của một bộ cấu hình tại thời điểm thử nghiệm, không phải bảo đảm về vị thế hiệu năng khi sản lượng tăng trong năm 2027.

Jalapeño được thiết kế cho suy luận, không phải huấn luyện mô hình mới. OpenAI vẫn cần triển khai bộ tăng tốc của Nvidia và các đối tác khác cho cả huấn luyện lẫn suy luận, nên chip tùy chỉnh này là phần bổ sung chuyên biệt cho hạ tầng nội bộ chứ chưa thay thế toàn bộ hệ thống GPU hiện có.

Đối với doanh nghiệp Việt Nam, hệ quả trực tiếp là không thể đặt mua máy chủ Jalapeño, thuê riêng chip hoặc triển khai nó trong trung tâm dữ liệu của mình. Nếu năng lực mới đến được khách hàng bên ngoài, nó sẽ đến gián tiếp qua các sản phẩm và API do OpenAI vận hành, sau khi có đủ hệ thống và phần mềm phục vụ phù hợp.

Chưa thể quy đổi benchmark thành mức giảm giá API

Hiệu năng trên mỗi watt cao hơn có thể giúp phục vụ nhiều yêu cầu hơn với cùng ngân sách điện, còn độ trễ thấp hơn có thể cải thiện tốc độ phản hồi của workload được chuyển sang Jalapeño. Tuy nhiên, benchmark không cho biết chi phí chế tạo cả hệ thống, tỷ lệ sử dụng thực tế, sản lượng chip, tỷ lệ lưu lượng API sẽ chạy trên phần cứng mới hay chính sách định giá.

Vì thế, mức tăng 1,5–1,9 lần về hiệu năng đỉnh trên mỗi watt không thể được diễn giải thành mức giảm giá API tương ứng. Cũng chưa có căn cứ để khẳng định mọi mô hình, sản phẩm hoặc khu vực sẽ nhận được cải thiện tốc độ cùng lúc; điều đó còn phụ thuộc vào quá trình hoàn thiện phần mềm, vận hành ở quy mô lớn và cách năng lực mới được phân bổ.

Trạng thái đã được xác nhận sau công bố ngày 25/8/2026 là Jalapeño có silicon hoạt động và dẫn trước các hệ thống đối sánh trong ba workload cụ thể do OpenAI đo. Những điều chưa có là chip thương mại cho bên ngoài, lịch áp dụng cho từng API, tác động định lượng đến giá và benchmark được tái lập độc lập. Dữ liệu quyết định ý nghĩa thực tế của Jalapeño sẽ là quy mô triển khai cuối năm 2026, tốc độ mở rộng trong năm 2027 và kết quả trên nhiều mô hình, cấu hình hơn.

Đọc thêm:

• Tòa chặn Lầu Năm Góc liệt Anthropic vào rủi ro: giới hạn mới cho hợp đồng AI