OpenAI 自研推理芯片 Jalapeño 曝光，AI 参与芯片设计；阿里千问、Claude 同步迎来重大更新

接好运鸭

摘要：OpenAI 联合博通推出首款大模型推理专用 ASIC 芯片 Jalapeño（墨西哥辣椒），第三方机构完成实验室实测；同时 Anthropic 爆出内测新模型、Claude 打通跨场景智能体记忆，阿里千问发布高性价比新架构，AI 全栈竞争进一步加剧电子工程专...。

一、OpenAI Jalapeño（墨西哥辣椒）：专为大模型推理打造的自研 ASIC

OpenAI 与博通联合研发的Jalapeño，是 OpenAI 首款自研 “智能处理器”，属于专用 ASIC 芯片，不支持模型训练，全部算力聚焦大语言模型推理任务，由台积电 3nm 工艺制造，从立项到流片仅用时 9 个月，远低于行业普遍 2‑3 年的开发周期，部分芯片架构、底层电路由 OpenAI 大模型辅助完成设计工作博客园。
核心硬件规格

• 封装集成 6 组 HBM4 堆叠高带宽内存，总容量 216GB，内存带宽 15.4TB/s；
• 芯片标称 TDP 功耗 700W，实验室实测稳定运行功耗约 550W；
• 对标英伟达 GB200（1200W）、GB300（1400W），功耗优势显著。
  

重要说明：Jalapeño不会对外零售，属于 OpenAI 内部基础设施硬件；预计 2026 年底小批量交付，2027 年逐步大规模部署。OpenAI 后续依旧会继续采购英伟达 GPU，主要用于模型训练以及部分推理业务，自研芯片目的是降低算力成本、减少单一供应商依赖，并非完全替代英伟达产品。

第三方基准测试表现（SemiAnalysis InferenceX 基准）

测试方为独立行业机构 SemiAnalysis，在实验室现场监督完成实测，测试模型选用三款开源权重模型：120B 参数 GPT‑OSS、670B 参数 DeepSeek‑R1、1 万亿参数 Kimi K2.5，规避了使用自家模型刷分的嫌疑。

• 常规业务工况：峰值吞吐下单位功耗性能相比英伟达平台提升1.5‑1.9 倍；端到端延迟降低 1.7‑3.6 倍，打破传统硬件 “吞吐量提升就要牺牲延迟” 的取舍矛盾。
• 交互式聊天 Token 生成速度：
  
  • GPT‑OSS 场景：Jalapeño 单用户输出 1459 token/s，英伟达平台 535 token/s；
  • DeepSeek‑R1 场景：Jalapeño 输出 700 token/s，英伟达平台 169 token/s。
    
• 极限解码工况补充提示：网传 “54‑104 倍能效优势”，仅出现在高并发极限解码的极端场景—— 该工况下英伟达 GPU 能效出现断崖式下跌，Jalapeño 性能保持稳定；该倍数不能代表全部业务场景，在绝大多数常规推理负载下，能效优势为 1.5‑1.9 倍区间，需要理性看待数据差异。
  

架构上的两大创新点

• KV 缓存本地驻留：模型运行产生的 KV 缓存全部保存在芯片本地，减少芯片之间、节点之间大量的数据搬运，降低网络通信开销。
• 算力动态调度：摒弃传统芯片 “固定划分预填充、解码算力池” 的方案，芯片算力池可以随用户流量动态切换任务。面对智能体 Agent 复杂多变的流量，避免一部分算力闲置浪费，适配未来智能体大规模落地的需求。
  

软件层面，OpenAI 使用 GPT‑Astra 完成底层代码调优，在 MoE 混合专家、注意力模块上，AI 生成代码运行速度比人类工程师手写代码快 1.5‑1.8 倍。SemiAnalysis 提出警示：如果 OpenAI 可以快速完成新硬件的软件栈适配，英伟达 CUDA 生态壁垒将会面临巨大挑战。这也标志着AI 辅助设计芯片、芯片再驱动 AI 模型的递归自增强闭环正在落地。
二、Anthropic 动态：内测新模型代号泄露，Claude Cowork 打通跨场景记忆

• 内部测试模型传闻开发者在早期访问接口（EAP）中抓取到两个神秘内部代号melon、marshmallow（甜瓜、棉花糖），属于 Anthropic 内部测试版本，尚未官方发布。社区推测大概率是 Claude 5 系列迭代版本（Opus/Sonnet 更新），并非全新一代旗舰。内测反馈显示长逻辑推理、代码生成能力有所提升，版权风控策略收紧，但也带来部分任务拒绝率升高的问题。Anthropic 团队也公开承认当前版本存在输出稳定性缺陷，已将优化模型输出表现列为最高优先级；该部分属于社区爆料，官方尚未确认模型对应版本号。
• 记忆系统重磅更新：对话与智能体 Cowork 记忆打通Claude 正式打通普通对话会话与 Cowork 智能体的共享记忆：
  

• 用户在聊天窗口交代的项目背景、个人偏好，切换到 Cowork 云端执行任务时可以自动复用，不需要重复复述背景；
• 系统会在对话过程中按主题动态生成记忆摘要，不需要等待会话结束；
• 用户可以完整查看、手动编辑、删除全部记忆条目；
• 健康、种族、宗教、政治类敏感信息默认关闭记忆存储，由用户自主选择是否开启，把记忆控制权交给用户，兼顾实用性与隐私安全。
  

三、阿里千问 Qwen3.8‑Flash：拉低大模型落地成本底线

阿里发布 Qwen3.8‑Flash，采用下一代预览架构，训练成本仅为前代 Qwen3.7‑Plus 的约 1/9，编程、办公任务能力实现升级。

• 原生上下文窗口 26.2 万 token，最高可扩展至百万 token；
• API 调用定价大幅下探，输入端每百万 token 仅 0.16 美元；
• 公开原型架构方案，采用全新混合注意力 + Anagram 嵌入层，部分模块可以驻留在普通内存，减少昂贵显存占用。开源架构进一步压低行业门槛，给海外闭源大模型带来成本层面的竞争压力千问云。
  

小结

本轮行业动态可以看出 AI 产业正在从单纯比拼模型参数，走向模型‑硬件‑软件栈全栈竞争。OpenAI 自研 ASIC 的最大意义，是验证 “AI 参与芯片设计” 的可行性，但短期还无法撼动英伟达在训练市场的地位；而国内开源模型、Claude 记忆升级，则分别从成本、产品体验层面推进大模型落地。

注：部分数据来自第三方机构实验室早期样品测试，芯片正式量产后性能、成本表现仍有待大规模真实业务验证；网传内部模型代号属于社区抓取爆料，一切以厂商官方公告为准。