Um chip que pode mudar a conta do custo de IA na sua empresa

Em 25 de agosto de 2026, a OpenAI publicou os primeiros resultados de benchmark medidos do Jalapeño, o chip de inferência personalizado que desenvolveu com a Broadcom. Os números divulgados: de 1,5x a 1,9x mais trabalho de IA por watt no pico de throughput, e latência de ponta a ponta de 1,7x a 3,6x menor do que a dos sistemas NVIDIA GB200 e GB300 usados na comparação. Em termos simples, a mesma eletricidade produz aproximadamente o dobro de resultado, e as respostas chegam mais rápido. É exatamente isso que determina a sua conta mensal se você roda um assistente de IA ou uma automação sobre modelos de linguagem.

O que exatamente foi anunciado

Jalapeño não é um chip de treinamento. É um chip de inferência, ou seja, roda os modelos depois de treinados, e a inferência é a parte que você paga em cada requisição de API. O chip foi revelado pela primeira vez em 24 de junho de 2026, e seus números medidos foram apresentados na conferência Hot Chips, testados no InferenceX, o benchmark público da SemiAnalysis, com três modelos de pesos abertos: GPT-OSS, DeepSeek R1 e Kimi K2.5.

  • Energia: cerca de 700W por chip, contra sistemas de comparação que consomem perto do dobro.
  • Throughput: de 1,5x a 1,9x mais trabalho por watt no pico de throughput.
  • Latência: de 1,7x a 3,6x menor de ponta a ponta, dependendo do modelo testado.
  • Cronograma: implantação inicial limitada no fim de 2026, com aumento gradual ao longo de 2027.

Leia os números com olhar crítico

As ressalvas merecem vir antes do entusiasmo. Os números vêm da própria OpenAI e foram verificados dentro dos seus próprios laboratórios. A comparação é com as gerações atuais da NVIDIA, não com a próxima. E os testes se concentraram em cargas de trabalho relativamente curtas, e não em longas conversas de agentes com vários turnos. Mesmo assim, a mensagem central se mantém: a capacidade de inferência deixou de ser um mercado com um único fornecedor, e quem compra essa capacidade vai encontrar mais opções a preços menores nos próximos dois anos.

O que isso significa na prática para um empresário

Você nunca vai comprar um chip Jalapeño nem ver um. Vai sentir o efeito em três lugares:

  • Custo: quando rodar um modelo fica mais barato para o fornecedor, os preços por uso tendem a cair. Um projeto de IA que parecia caro demais há um ano pode fechar a conta hoje.
  • Velocidade: latência menor libera casos de uso antes impossíveis: um assistente de voz sem silêncios constrangedores, busca instantânea nos seus documentos, uma solicitação analisada enquanto o cliente ainda está no balcão.
  • Volume: quando as requisições são baratas, rodar IA em cada transação em vez de numa amostra passa a ser racional: classificar cada mensagem de cliente, conferir cada nota fiscal, resumir cada ligação.

A regra mais importante: não prenda seu sistema a um único fornecedor

A verdadeira lição da corrida dos chips de inferência não é quem vence. É que o vencedor muda a cada poucos meses. Quem constrói hoje um sistema de um jeito que torna impossível trocar o modelo paga duas vezes: uma na fatura e outra no desempenho melhor que nunca chega a ter.

A decisão de engenharia que economiza seu dinheiro não é escolher o melhor modelo hoje. É construir um sistema que permita trocar o modelo amanhã sem reescrever a aplicação.

Na prática, isso significa uma camada fina entre sua aplicação e o fornecedor do modelo, prompts e ferramentas escritos de forma independente de qualquer fornecedor, seus dados e conhecimento guardados no seu próprio sistema e não na plataforma do fornecedor, e um conjunto de testes de qualidade que você roda contra qualquer modelo novo antes de adotá-lo.

Como abordamos isso na Origami

Quando construímos um sistema com IA para um cliente, sempre separamos a lógica de negócio do modelo que a executa. O conhecimento e os dados ficam no banco de dados do próprio cliente, os prompts são escritos para serem portáveis, e trocar de modelo é uma mudança de configuração, não um projeto. Além disso, medimos o custo por operação, não só por mês, para que você saiba exatamente qual parte do sistema consome o orçamento, qual parte merece um modelo mais forte e qual parte é perfeitamente atendida por um modelo pequeno e rápido.

O lado regulatório não se move com o preço. Uma inferência mais barata não muda nada nas suas obrigações perante a Lei de Proteção de Dados Pessoais (PDPL) da Arábia Saudita. Qualquer dado de cliente que passe por um modelo externo continua precisando de base legal, controles de acesso e registros de auditoria, por mais baixo que fique o custo de execução.

Passos práticos para esta semana

  • Revise sua conta atual de IA e calcule o custo por operação útil, não apenas o total mensal.
  • Identifique as tarefas que um modelo menor e mais rápido consegue fazer e transfira-as para ele; geralmente metade do seu uso não precisa do modelo mais forte.
  • Escreva um conjunto curto de testes de qualidade que represente seus casos de negócio reais e rode-o contra qualquer modelo alternativo antes de trocar.
  • Revise compromissos de longo prazo com um único fornecedor antes de renová-los; o mercado está se movendo a favor do comprador.
  • Retome as ideias que você descartou por custo ou latência: algumas delas já são viáveis.

A conclusão: o que aconteceu em 25 de agosto não é, de fato, uma história sobre um chip. É um sinal de que a camada da qual seus sistemas de IA dependem está ficando mais barata, mais rápida e mais competitiva. Empresas que construíram sistemas flexíveis vão capturar essa melhoria automaticamente. Empresas presas a uma única opção vão vê-la passar.

Fontes