OpenAI '할라페뇨' 칩, 엔비디아 블랙웰 성능 능가
OpenAI가 브로드컴과 함께 약 16개월 만에 개발한 자체 추론 ASIC '할라페뇨(Jalapeño)'가 Hot Chips에서 공개되었습니다. 특정 모델에 특화되지 않은 범용 추론 칩임에도, MTP 없이 엔비디아·AMD·구글 칩을 테스트한 모든 오픈소스 모델에서 perf/W(전력 대비 성능)와 토큰 처리량을 능가했습니다. 1세대 칩으로는 이례적인 경쟁력으로, AI를 활용한 칩 설계 가속화가 실제임을 보여주는 사례입니다.
OpenAI '할라페뇨': 엔비디아 블랙웰보다 뛰어난 성능
OpenAI의 자체 설계 ASIC를 루빈(Rubin)과 비교하고, 할라페뇨의 TCO, MW당 처리량, 그리고 매운(?) 세부 정보들을 다룹니다.
브라이언 샨, 마이런 시, 조던 나노스 외 3인 / 2026년 8월 25일 / 유료 콘텐츠
OpenAI는 지난 몇 년간 Hot Chips에서 막 공개된 추론 칩 '할라페뇨(Jalapeño)'를 조용히 개발해왔습니다. 테이프아웃 성공 소문이 한동안 돌았지만, 이제 실제 세부 사양이 공개되었습니다. OpenAI는 우리를 초청해 칩을 직접 보여주고, 연구실에서 실제 여부를 확인하게 했으며, 자체 벤치마크 스위트 'InferenceX'로 성능을 측정하게 했습니다.
6월, OpenAI는 브로드컴과 파트너십으로 이 칩 프로그램을 공개했는데, 백지 상태에서 LLM 추론 전용으로 설계되었습니다. 설계는 2024년 중반에 시작되어 초기 팀 채용부터 제조 테이프아웃까지 약 16개월 만에 완료된, 매우 빠른 ASIC 개발 주기였습니다.
일반적으로 1세대 칩은 경쟁력이 없지만, OpenAI는 업계 최고 수준을 보여주며 테스트 가능했던 모든 엔비디아, AMD, 구글 칩을 여러 주요 오픈소스 모델에서 능가하며 이런 통념을 깼습니다. OpenAI는 이를 극단적인 하드웨어-소프트웨어 동시 설계(co-design)로 달성했습니다. 흥미롭게도 모델 추론의 특정 부분에 과도하게 특화한 것이 아니라, 모든 시나리오에서 고성능을 내는 범용 칩에 집중했습니다.
이 글에서는 할라페뇨의 아키텍처 세부 사항, 소프트웨어 세부 사항, InferenceX 성능 결과를 다룹니다.
범용 추론 칩
많은 이들이 OpenAI의 칩이 OpenAI 모델에 특화되었다고 말하지만 그것은 틀렸습니다. OpenAI는 AI 추론을 위한 범용 칩을 만들었습니다. 개발 일정이 놀라울 정도로 빨랐는데, 이는 AI 활용이 칩 설계를 가속화한다는 주장이 실제임을 보여줍니다. 빠른 일정에도 불구하고, OpenAI는 막대한 자금을 투입했고 실용적인 설계 결정을 내렸으며 팀이 뛰어났기에 이는 놀라운 일이 아닙니다.
스펙만 봐도 즉시 경쟁자입니다. HBM4 사용 덕분에 엔비디아와 AMD의 플래그십 GPU와 비교 가능한 수준입니다.
이 칩에 대한 언론 보도 상당수는 OpenAI가 다른 칩과 달리 자사 모델에 최화될 것이라는 몇 마디 던진 발언을 따라갔지만, 이는 틀렸습니다. 할라페뇨는 모든 종류의 모델과 워크로드를 실행할 수 있는 범용 추론 칩이며, OpenAI 엔지니어들과 함께 연구실에서 실행한 당사 벤치마크 InferenceX에서도 작동했습니다. 농담으로 OpenAI는 Codex 프롬프트만으로 이 칩에 포팅된 둠(Doom)을 실행하는 모습까지 보여줬습니다.
다음은 당사의 대표 성과인 perf/W 결과로, All-in 유틸리티 MW당 토큰 처리량을 나타냅니다. 할라페뇨는 다른 모든 칩을 압도합니다. 이 모든 것이 Multi Token Prediction(MTP) 없이 달성된 반면, 차트의 다른 칩들은 각 SKU의 최고 성능 구성으로 모두 MTP를 사용한 결과입니다.
할라페뇨는 곡선상 특정 지점에 맞춰 튜닝되지 않았음에도 거의 모든 시나리오에서 perf/W 기준 블랙웰을 능가합니다. 저지연 시나리오뿐 아니라 고처리량 시나리오에서도 뛰어납니다.
더 공정한 비교는 Single Token Prediction 결과로, 모든 경쟁사를 압도합니다. 저동시성 시나리오에서 할라페뇨는 놀라운 반응성을 보여주며, DeepSeek R1 모델에서 동시성 1 기준 사용자당 초당 700토큰을 넘습니다. 놀랍게도 이는 모두 단일 토큰 예측(STP)만으로, 추측 디코딩(speculative decoding)이나 프리필-디코드 분리(prefill-decode disaggregation) 없이 달성되었습니다.
DeepSeek R1 외에도 Kimi-K2.5, GPT-OSS 등 다른 모델도 확인했으며, GPT-OSS는 약 초당 1,400토큰/사용자로 실행되었습니다. 모든 모델에서 할라페뇨의 GSM8k 평가 결과는 엔비디아 칩과 동등한 수준임을 확인했습니다.
몇 가지 유의사항이 있습니다. 첫째, 모든 수치는 OpenAI가 제공한 것입니다. 당사는 연구실에서 InferenceX 실행을 직접 검증했지만, 전체 InferenceX 벤치마크 스위트를 실행하지는 않았으며 AgentX 결과도 보지 못했습니다. AgentX는 데이터셋의 긴 컨텍스트와 다중 턴 특성 때문에 칩 성능 비교를 위해 선호하는 스위트입니다.