人工智慧的進步在整個系統同步提升時，會以最快的速度複合成長。這就是我對 OpenAI 運算策略的看法：一個整合的系統，涵蓋資料中心、晶片、前沿模型、我們的開發者平台、消費者與企業產品，以及 AI 原生裝置，每個層次都相互強化。
更優質的軟體能提高硬體的生產力。專為我們工作負載設計的硬體能提升速度和效率。更強大的模型則能解鎖更好的產品，進而產生更多需求、使用量和學習。這些回饋訊號會流回整個系統，幫助我們再次改進。
今天，我們分享了 OpenAI 首款自研推論晶片 Jalapeño 的首次實測效能結果。在 InferenceX 這個使用 GPT-OSS 120B 的公開基準測試中，Jalapeño 在每千瓦峰值吞吐量和更低的 token 延遲方面，都超越了比較中的商用系統。它在 DeepSeek R1 和 Kimi K2 上也表現出色，顯示其優勢可擴展到不同的模型家族。
Jalapeño 擴大了其在先前最佳 TBT 上的領先優勢。Jalapeño 讓我們對模型的運行方式以及服務模型的經濟效益擁有更大的控制權。透過同時開發模型、服務軟體、晶片、記憶體和網路，我們可以將吞吐量、延遲、能源效率和成本作為一個整體系統來改進。
這為我們提供了一條可靠的自有路徑，與我們從其他合作夥伴使用的加速器並行，擴大了我們以合適的經濟效益，將每個工作負載匹配到最強大系統的能力。我們現在已經擁有可運作且有實測結果的自有晶片，未來的世代也已在開發中。
廣泛佈局，掌握槓桿。不同的工作負載對系統有不同的要求。前沿模型訓練、高流量推論和全時運作的 AI 代理，在晶片、軟體、網路、功耗和延遲方面都有不同的需求。
我們的目標是保持在帕累托前沿：不斷為每個工作負載尋求能力、速度、可靠性、效率和成本的最佳組合。不同的晶片和供應商在不同維度上領先，而這個前沿也在不斷移動。
我們的產品組合讓我們能夠滿足這些需求。Microsoft 的運算資源和 NVIDIA 的晶片一直是 OpenAI 成長的基石。如今，我們的產品組合還包括 AWS、AMD、Broadcom、Cerebras、CoreWeave、Oracle、SB Energy 和 SoftBank。每個合作夥伴在雲端基礎設施、加速運算、低延遲推論、資料中心開發和能源供應方面都帶來了不同的優勢。
我們積極管理這個產品組合，兼顧能力和經濟效益。在能力最重要的地方，我們使用頂級系統；在規模和成本更重要的地方，我們則優化效率。保持供應商、硬體和部署模型之間的可信選擇，使我們能夠將需求導向每美元性能最強的方案，在市場條件變化時維持價格紀律，並隨著更強大技術的出現而與時俱進。
直接控制在更緊密整合可以改善整個系統的地方增加了槓桿作用。我們在生態系統有助於我們更快發展的地方進行合作，並在共同設計能創造顯著優勢的地方進行自主開發。
資料中心創造了另一個槓桿點。喬治亞州的 Project Camellia 專案展示了我們如何圍繞客戶工作負載設計設施，同時創造就業機會、支持當地企業、支付專案基礎設施和能源成本、透過閉環系統節約用水，並將其承諾提交年度獨立公開審計。
將效率轉化為經濟價值。這個系統的價值衡量標準是它所產生的成果：從每個運算單元中獲得更多有用的智慧。
更好的模型能以更少的嘗試達到正確答案。更智慧的路由和上下文管理減少了浪費的工作。優化的軟體和專用硬體提高了速度和能源效率。
在 Artificial Analysis 編碼代理指數上，具有最大推理能力的 GPT-5.6 Sol 達到了新高，同時比另一個領先模型減少了 54% 的輸出 token。對於客戶而言，這些改進意味著更快的結果、更可靠的產品、更少的重試、能完成更長工作流程的代理，以及成功工作的總成本更低。最佳的經濟效益來自於每美元所產生的有用智慧。
隨著有用智慧變得更強大且更經濟實惠，更多工作在經濟上變得可行。一家公司可以為每位客戶提供量身定制的分析、審查每份合約、運行即時財務情境，並幫助工程師測試更多想法。這就是傑逢斯悖論：更高的效率使得更多用途變得有價值，擴大了消費，並透過完成更多工作、做出更好的決策、推出更多產品和產生更多收入來創造新的經濟活動。
複合優勢。更高生產力的運算和更具競爭力的供應基礎，幫助我們以更低的成本服務更多客戶，並將這些效率提升傳遞給使用者。成長資金持續投入研究、基礎設施和安全。這就是 OpenAI 的複合優勢：更好的技術創造更好的經濟效益，更好的經濟效益資助下一波進步，而每一次的提升都讓整個系統更加強大。
