OpenAIの独自AIチップJalapeño｜初の実測で電力あたり性能1.5〜1.9倍

画像の出典：OpenAI

AIエージェントの導入を検討する際、推論にかかる時間とコストは、サービスの実用性を左右する最大の障壁となります。OpenAIは2026年8月25日、同社初となる独自開発のAI推論チップ「Jalapeño（ハラペーニョ）」の初期性能評価結果を公開しました。

Jalapeño自体は2026年6月24日にBroadcomとの共同設計チップとして公表されており、そのときは「早期のテストで、現行の最先端チップよりワットあたり性能が大幅に上回る見込み」という段階でした。今回はその見込みを、公開ベンチマークで実際に測った結果にあたります。

本記事では、OpenAIが公開した測定結果に基づき、この独自チップがAIインフラにどのような変化をもたらすのかを解説します。

関連記事：OpenAIとBroadcomがLLM推論特化の独自AIチップJalapeñoを発表

Jalapeñoの性能評価とベンチマーク結果

公開ベンチマークによる比較検証

OpenAIは、SemiAnalysisが提供するAI推論性能の公開ベンチマーク「InferenceX」を用いて、Jalapeñoの性能を測定しました。比較対象として、現在市場で広く利用されている主要な商用AIシステムが選定されています。なお、本結果はOpenAIによる自社測定値であり、第三者機関による検証ではない点には留意が必要です。

検証対象となったモデルは「GPT-OSS 120B」「DeepSeek R1 670B」「Kimi K2.5 1T」の3種類です。これらのモデルにおいて、Jalapeñoは既存の商用システムと比較して、ピーク時の電力あたりのAI処理能力で1.5〜1.9倍、エンドツーエンド（入力から出力まで）のレイテンシ（遅延時間）で1.7〜3.6倍の改善を記録しました。

高対話型ワークロードでの性能向上

特に、ユーザーとのやり取りが頻繁に発生する「高対話型ワークロード」において、Jalapeñoは顕著な性能向上を示しています。測定結果によると、この領域では2.1〜4.1倍の性能向上が確認されました。AIエージェントがリアルタイムで複雑なタスクをこなす際、この応答速度の向上はユーザー体験を大きく左右する要因となります。

電力効率とハードウェアの仕様

定格を大きく下回る実測消費電力

AIインフラの運用において、消費電力は運用コストに直結する重要な指標です。Jalapeñoの定格電力は700Wに設定されていますが、実際の検証ワークロードにおける持続的な消費電力は550W以下に留まりました。高い処理能力を維持しながら、電力消費を抑える設計は、データセンターの運用効率化において大きなメリットとなります。

特定モデルにおける具体的な改善数値

特に大規模なモデルである「Kimi K2.5 1T」を用いたテストでは、電力あたりのピーク性能が約1.5倍に向上し、レイテンシは3.4倍の改善が見られました。モデルの規模が大きくなるほど推論コストや待ち時間が課題となりやすい中で、こうした効率化は、より高度なAIエージェントを低コストで運用するための基盤となります。

今後の展開とAIエージェントへの影響

顧客向け製品への順次導入

OpenAIは、今後数ヶ月をかけてJalapeñoの導入を拡大していく方針を明らかにしています。この取り組みの目的は、同社の顧客が利用する製品の高速化、機能向上、そして効率化を実現することにあります。独自チップの導入により、AIサービスの提供コストが最適化されれば、企業がAIエージェントを導入する際の価格設定や利用ハードルにも変化が生じる可能性があります。

フルスタック最適化の重要性

OpenAIは6月の公表時点からハードウェア層まで含めたフルスタック（一貫した）最適化を掲げており、今回の測定結果は、その方針が具体的な数字として示された段階にあたります。AIエージェントの性能は、モデルの賢さだけでなく、それを支えるインフラの応答性に依存します。今後は、チップの性能がAIサービスの競争力を左右する時代へと移行していくでしょう。

まとめ

• OpenAIが独自推論チップ「Jalapeño」の初期性能を公開し、高対話型ワークロードで既存システム比2.1〜4.1倍の性能向上を実証した（電力あたりの処理能力は1.5〜1.9倍）。
• 消費電力は実測550W以下と効率的で、AIエージェントの運用コスト削減と高速化に寄与する可能性がある。
• 今後数ヶ月で顧客向け製品への導入が順次進められる予定である。

出典：OpenAI