Hinweis: Dieser Beitrag enthält Affiliate-Links (mit * gekennzeichnet). Kaufst du über einen dieser Links, erhalte ich eine kleine Provision — für dich ändert sich der Preis nicht.
Es ist der Traum jedes Großkunden: nicht mehr am Tropf eines einzigen Lieferanten hängen. OpenAI hat diesen Traum jetzt in Silizium gegossen — der Chip heißt Jalapeño.
Ein Chip für genau eine Aufgabe
Jalapeño ist ein Inferenz-Beschleuniger. Das ist der Teil der KI-Arbeit, den du als Nutzer spürst: Du stellst eine Frage, das Modell antwortet. Das aufwendige Training der Modelle ist eine andere Baustelle und bleibt vorerst bei Nvidia.
Entwickelt wurde der Chip zusammen mit Broadcom — ein Weg, den Google mit seinen TPUs und Amazon mit Inferentia längst gegangen sind. Wer eigene Rechenzentren mit Millionen Anfragen pro Stunde betreibt, kann sich maßgeschneiderte Hardware leisten. Sie muss nur eine Sache können, die dafür sehr gut.
Die Zahlen, die OpenAI nennt
Laut eigenen Messungen liefert Jalapeño gegenüber Systemen auf Basis von Nvidia GB200 und GB300:
- 1,5- bis 1,9-fache Rechenleistung pro Watt — also mehr Arbeit bei gleicher Stromaufnahme.
- 1,7- bis 3,6-fach niedrigere Latenz — die Antwort kommt schneller.
- Bei besonders interaktiven Aufgaben bis zum 4,1-fachen Durchsatz.
Warum du diese Zahlen mit Vorsicht lesen solltest
Zwei Einschränkungen gehören dazu. Erstens: Es sind Herstellerangaben. Unabhängige Messungen fehlen bislang.
Zweitens, und das wiegt schwerer: Verglichen wird gegen die Nvidia-Racks GB200 NVL72 und GB300 NVL72 — Systeme aus 2024 und 2025. Nvidias kommende Vera-Rubin-Plattform bleibt außen vor. Analysten weisen zu Recht darauf hin, dass der ehrlichere Vergleich anders ausfallen könnte. Dass die Ankündigung ausgerechnet kurz vor Nvidias Quartalszahlen kommt, ist vermutlich auch kein Zufall.
Und was heißt das für dein Homelab?
Direkt: nichts. Jalapeño wird nicht verkauft, sondern läuft ausschließlich in OpenAIs eigener Infrastruktur — erst in kleinem Maßstab Ende 2026, größer dann 2027.
Indirekt ist die Sache spannender. Je mehr große Anbieter eigene Chips bauen, desto stärker gerät Nvidias Preisgestaltung unter Druck. Und Druck auf Rechenzentrums-Preise sickert erfahrungsgemäß irgendwann bis zu den Consumer-Karten durch — jenen Grafikkarten also, mit denen du zu Hause ein Modell lokal laufen lässt.
Wer heute schon lokal experimentieren will, braucht vor allem eines: Videospeicher. Eine Karte wie die ASUS RTX 5060 Ti mit 16 GB* ist für den Einstieg in lokale Sprachmodelle deutlich sinnvoller als eine schnellere Karte mit weniger Speicher — denn passt das Modell nicht in den Grafikspeicher, hilft auch die beste Rechenleistung nichts.
Der eigentliche Trend
Vor drei Jahren war die Frage: Wer hat das beste Modell? Heute lautet sie: Wer kontrolliert die Hardware darunter? Google, Amazon und jetzt OpenAI haben dieselbe Antwort gefunden — selber bauen. Nvidia bleibt der Maßstab, aber der Abstand wird kleiner.