شريحة OpenAI Jalapeño تتفوق على إنفيديا في أول اختبارات الأداء الرسمية: الأرقام كاملة

أول نتائج رسمية لشريحة OpenAI Jalapeño: عمل أكثر 1.5 إلى 1.9 مرة لكل واط وزمن استجابة أقل 1.7 إلى 3.6 مرة من أفضل نتائج GB200/GB300 على منصة InferenceX — الأرقام والسياق والحدود الصادقة.

شريحة OpenAI Jalapeño تتفوق على إنفيديا في أول اختبارات الأداء الرسمية: الأرقام كاملة
Table of contents

شريحة OpenAI Jalapeño تتفوق على إنفيديا في أول اختبارات الأداء الرسمية: الأرقام كاملة

نشرت OpenAI يوم الثلاثاء 25 أغسطس 2026 أول نتائج أداء معلنة لشريحتها الخاصة «Jalapeño»، وقالت إنها حققت «سرعة وكفاءة رائدين في صناعة الاستدلال» متفوقةً على أفضل النتائج المسجلة لرقائق إنفيديا GB200 وGB300 في منصة اختبار InferenceX التابعة لـ SemiAnalysis. الأرقام ملموسة: عمل ذكاء اصطناعي أكثر بواقع 1.5 إلى 1.9 مرة لكل واط، وزمن استجابة أقل من 1.7 إلى 3.6 مرة عبر ثلاثة نماذج كبيرة. هذا أول اختبار رسمي للشريحة التي كشفت عنها الشركة في يونيو، وهو أيضاً أول إشارة رقمية علنية على أن استراتيجية OpenAI في صناعة رقائقها الخاصة تبدأ تعطي مردوداً فعلياً.

في هذا المقال نشرح الأرقام كما نشرتها الشركة، وكيف جرى الاختبار، وماذا يعني ذلك عملياً لمستخدمي ChatGPT والوكلاء الأذكياء في الخليج والعالم العربي، وأين حدود هذه النتائج حتى لا نبالغ في التفسير.

الأرقام المعلنة: ماذا يقول أول اختبار لـ Jalapeño؟

بحسب تدوينة OpenAI الرسمية، خضعت الشريحة لمنصة InferenceX — منصة قياس أداء الاستدلال التي يديرها فريق SemiAnalysis — وقورنت نتائجها بأفضل النتائج المسجلة على المنصة وقت إجراء الاختبار، وكانت جميعها محققة على أنظمة إنفيديا GB200 أو GB300. جاءت النتيجة عبر ثلاثة نماذج مفتوحة الوزن واسعة الاستخدام:

  • GPT-OSS 120B: نموذج OpenAI المفتوح متوسط الحجم.
  • DeepSeek R1: نموذج الاستدلال الصيني الشهير.
  • Kimi K2.5 1T: أحدث نسخة ضخمة من Moonshot AI بتريليون معامل.

على هذه النماذج الثلاثة قالت OpenAI إن Jalapeño حققت 1.5 إلى 1.9 مرة عمل ذكاء اصطناعي لكل واط مقارنة بأنظمة المقارنة، أي أنها تنتج استدلالاً أكثر بنسبة 50% إلى 90% مقابل كل وحدة كهرباء تستهلكها. كما سجلت زمن استجابة أقل من طرف إلى طرف بواقع 1.7 إلى 3.6 مرة — والمقصود هنا الزمن الكامل لتوليد الإجابة، من الطلب حتى اكتمال الرد.

مخطط زمن بين الرموز لشريحة Jalapeño مقابل أنظمة المقارنة

المصدر: OpenAI — Jalapeño's first results

ما هي منصة InferenceX التي جرى عليها الاختبار؟

InferenceX منصة قياس أداء الاستدلال التي يديرها موقع SemiAnalysis المتخصص في تحليلات أشباه الموصلات والبنية التحتية للذكاء الاصطناعي، وقد صارت في الأشهر الأخيرة مرجعاً شبه معياري لمقارنة أنظمة تقديم النماذج الكبيرة، لأنها تقيس أنظمة حقيقية وهي تخدم أحمال عمل فعلية بدل اختبارات مختبرية منعزلة. لهذا كان اختيار OpenAI لها ذكياً من ناحية المصداقية: النتائج ليست مقارنة داخلية تصنعها الشركة بمعاييرها، بل أرقام على منصة عامة يمكن لأي مزود آخر أن يسجل نتائجه عليها أيضاً — وبقيت النقطة المفتوحة أن تفسر هذه الأرقام ونشرها يبقى بيد OpenAI نفسها.

في المقابل، فإن مقارنة النتائج بأفضل ما سجل على المنصة وقت الاختبار — لا بأنظمة اشترتها OpenAI وشغّلتها بنفسها لغرض المقارنة — تجعل الاختبار أقرب إلى «مقارنة مع الرقم القياسي المسجل» منه إلى مباراة مباشرة بين نظامين جنبًا إلى جنب، وهذه دقة اصطلاحية تستحق الانتباه عند قراءة أي تغطية للخبر.

«أفضل العالمين»: تصريحات OpenAI عن الشريحة

في إحاطة للصحفيين عقب النشر، قال ريتشارد هو، نائب رئيس الأجهزة في OpenAI، إن Jalapeño تقدم «أفضل العالمين»: زمن استجابة أقل وإنتاجية أعلى في آن واحد، بينما تضطر الأنظمة التقليدية «لمقايضة أحدهما مقابل الآخر». وأضاف أن معنى ذلك عملياً هو «استجابات أسرع، ووكلاء أكثر تجاوباً، ووصول أكثر موثوقية مع نمو الطلب» — وهي إشارة مباشرة إلى أن الشريحة صُممت لمواجهة ذروة الاستخدام التي تتزايد مع انتشار الوكلاء الأذكياء.

النقطة الجوهرية في كلام هو أن المقايضة التاريخية بين زمن الاستجابة (سرعة ظهور الكلمة التالية) والإنتاجية (عدد المستخدمين الذين يخدمهم النظام في اللحظة الواحدة) هي ما تحاول Jalapeño كسره، والأرقام أعلاه تقول إنها اقتربت من ذلك فعلاً على الأقل في الاختبار المعلن.

مخطط كفاءة الطاقة: عمل ذكاء اصطناعي أكثر لكل واط

المصدر: OpenAI — Jalapeño's first results

ما هي Jalapeño أصلاً؟ خصائص الشريحة في سطور

Jalapeño شريحة ASIC — أي دائرة مخصصة التطبيق صُممت لمهمة واحدة — طوّرتها OpenAI بالتعاون مع شركة Broadcom، وهي مصممة حصراً لمرحلة «الاستدلال»: تشغيل النماذج المدرّبة لتنفيذ المهام وإجابة المستخدمين، لا لتدريبها. عُرضت الشريحة لأول مرة في يونيو 2026 كجزء من خطة OpenAI لتقليل الاعتماد على إنفيديا وخفض تكاليف التشغيل الهائلة لخدماتها.

السياق الأوسع مهم لفهم الحدث: السباق على الرقائق الذكاء الاصطناعي اشتد هذا العام، فميتا تستعد لتصنيع شريحتها الجديدة Iris في سبتمبر كما شرحنا في تغطيتنا السابقة، وجوجل توسع استخدام TPU، وأمازون تطور Trainium. دخول OpenAI حلبة صناعة الرقائق بمعطيات أداء قوية يعني أن سوق استدلال الذكاء الاصطناعي يتحول من احتكار شبه كامل لإنفيديا إلى منافسة متعددة اللاعبين — وهذا تاريخياً ما يخفض الأسعار ويرفع الجودة.

ماذا يعني هذا لك؟ (للمستخدم في الخليج والعالم العربي)

ربما تبدو معركة الرقائق بعيدة عن مستخدم ChatGPT في الرياض أو دبي، لكن آثارها تصله مباشرة:

  • استجابات أسرع وقت الذروة: إن كانت الشريحة ستخدم جزءاً من حركة الاستدلال، فالمستفيد الأول هو زمن الاستجابة في ساعات الازدحام — مساء الخليج تحديداً حين يتباطأ الأداء عالمياً بسبب ذروة الاستخدام الأمريكية المتأخرة.
  • وكلاء أكثر موثوقية: الوكلاء الأذكياء يحتاجون آلاف خطوات الاستدلال المتتابعة، وأي بطء في كل خطوة يتضاعف في النتيجة النهائية. خفض زمن الاستجابة 1.7 إلى 3.6 مرة يعني وكلاء ينفذون مهاماً أطول دون تعثر.
  • كفاءة طاقة = استدامة توسع: المراكز التي تخدم المنطقة تتوسع بسرعة، وكل واط يوفر يعني قدرة أكبر على خدمة مستخدمين أكثر دون انقطاعات — وهو ما وصفه هو بـ«الوصول الأكثر موثوقية مع نمو الطلب».
  • لا تتوقع خفض أسعار فوراً: كون OpenAI لم تعلن أي خفض أسعار مرتبط بالشريحة، ولا ننبئ بذلك. الأثر على الأسعار — إن جاء — سيظهر عندما تتوسع الكميات في 2027.

مقارنة سريعة: Jalapeño مقابل أنظمة إنفيديا في الاختبار المعلن

المؤشر (كما أعلنته OpenAI) Jalapeño أنظمة المقارنة (GB200/GB300)
العمل لكل واط (عبر 3 نماذج) 1.5 إلى 1.9 أضعاف خط الأساس المسجل
زمن الاستجابة من طرف إلى طرف أقل بـ 1.7 إلى 3.6 أضعاف خط الأساس المسجل
النماذج المختبرة GPT-OSS 120B، DeepSeek R1، Kimi K2.5 1T نفس النماذج
الجهة الناشرة للأرقام OpenAI نفسها على منصة SemiAnalysis

لاحظ أن المقارنة ليست ضد شريحة إنفيديا بعينها اشترتها OpenAI واختبرتها، بل ضد «أفضل النتائج المسجلة» على منصة InferenceX وقت الاختبار — وهي صياغة دقيقة يجب استحضارها عند قراءة العناوين المتحمسة في مواقع أخرى.

الحدود الصادقة: ما لم يقله الاختبار

  • الأرقام من OpenAI نفسها: الاختبار أجري على منصة مستقلة (InferenceX) لكن الناشر للنتيجة والمفسر لها هو المستفيد الأول منها. الاستقلالية الكاملة تتطلب إعادة اختبار من طرف ثالث لم تحدث بعد.
  • الكميات الأولية صغيرة: OpenAI ستنشر الشريحة «بكميات صغيرة» قبل نهاية 2026 ثم ترفعها تدريجياً في 2027، دون الإفصاح عن عدد الرقائق المخطط له. أي أثر فعلي على أداء الخدمة سيتراكم ببطء.
  • إنفيديا لم تُستبعد: هو أكد أن استراتيجية OpenAI الحسابية تشمل «شركاء جيدين جداً» مثل إنفيديا، وأن الشركة لا تنوي استبدال كل تشكيلتها بـ Jalapeño.
  • الجيلان الثاني والثالث قيد التطوير: ما رأيناه هو الجيل الأول، وقد خصصت الشركة فرقاً لتطوير جيلين إضافيين — أي أن المنافسة الطويلة لم تبدأ بعد فعلياً.

الجدول الزمني للنشر

وفق ما قاله ريتشارد هو: نشر محدود «بنهاية العام الحالي» أي قبل نهاية 2026، ثم رفع الكميات «تدريجياً في 2027». الشركة نشرت بالتزامن مع نتائج الاختبار تدوينة أوسع عن رؤيتها ل«سلة الذكاء الوفير» وبنيتها التحتية الكاملة — مؤشر على أن الرقائق جزء من استراتيجية ممنهجة لا مجرد تجربة.

الأسئلة الشائعة عن شريحة OpenAI Jalapeño؟

هل تفوقت Jalapeño على إنفيديا فعلاً؟
في الاختبار المعلن يوم 25 أغسطس 2026، سجلت Jalapeño نتائج أعلى من أفضل النتائج المسجلة لأنظمة GB200/GB300 على منصة InferenceX في ثلاثة نماذج، وهي أرقام نشرتها OpenAI نفسها ولم تُؤكد بعد باختبار مستقل.

متى سأشعر بفارق الشريحة كمستخدم؟
لن يكون هناك فارق فوري؛ النشر يبدأ بكميات صغيرة قبل نهاية 2026 ويتوسع في 2027، والأثر المتوقع تدريجي: استجابات أسرع ووكلاء أكثر استقراراً وقت الذروة.

من تصنع شريحة Jalapeño؟
طوّرتها OpenAI بالتعاون مع Broadcom كشريحة ASIC مخصصة للاستدلال — تشغيل النماذج المدرّبة — وليس للتدريب.

هل ستتخلى OpenAI عن إنفيديا؟
لا. نائب رئيس الأجهزة قال إن إنفيديا تبقى «شريكاً جيداً جداً» وإن Jalapeño لن تحل محل كامل تشكيلة الرقائق، مع تطوير جيلين إضافيين منها.

ما علاقة الشريحة بأسعار ChatGPT؟
لا إعلان رسمياً عن أي خفض أسعار مرتبط بالشريحة. كفاءة الطاقة الأعلى تفتح الباب لذلك مستقبلاً، لكن أي توقع سابق لأوانه يبقى تخميناً.


لمقارنة أدوات الذكاء الاصطناعي التي تخدمك اليوم فعلياً، تصفح دليلنا لأدوات الذكاء الاصطناعي على Truescho.

المصادر