Modelle26. Juni 2026

OpenAI und Broadcom entwickeln Jalapeño-Chip zur Verringerung der Nvidia-Abhängigkeit

OpenAI arbeitet mit Broadcom zusammen, um seinen ersten hauseigenen KI-Chip mit dem Codenamen Jalapeño zu entwickeln. Dieser maßgeschneiderte Chip soll die Inferenzleistung optimieren und gleichzeitig die Hardware-Lieferkette des Unternehmens über die derzeitige Abhängigkeit von Nvidia-GPUs hinaus diversifizieren.

Warum das wichtig ist

Dieser Wandel deutet auf einen Trend hin zu vertikal integrierten Stacks, bei denen maßgeschneiderte Chips die Inferenzkosten senken und die Latenzzeiten für Produktionsmodelle verbessern können. Dies legt nahe, dass Unternehmensteams bald Implementierungen über zunehmend heterogene Hardware-Architekturen hinweg verwalten müssen.

Kernpunkte

Der Jalapeño-Chip wurde speziell für hocheffiziente KI-Inferenzaufgaben entwickelt
Broadcom liefert die grundlegende Chip-Expertise und die Design-Integration für das Projekt
OpenAI strebt an, sich über TSMC dedizierte Fertigungskapazitäten für die Produktion bis 2026 zu sichern

Passende Lösungen

Sovereign AI Generative KI Machine Learning

Alle KI-Nachrichten

Mehr KI-Nachrichten

Modelle

Moonshot AI stellt Kimi K3.1 Pro und High-Speed-Variante für die kommerzielle Evaluierung vor

Moonshot AI hat sein Modell Kimi K3.1 Pro zusammen mit einer speziellen High-Speed-Version für eine schnellere Verarbeitung offiziell eingeführt. Unternehmen, die die Veröffentlichung prüfen, untersuchen die Betriebskosten und die Datenverarbeitungsrichtlinien des Anbieters genau, bevor sie sich für den Produktiveinsatz entscheiden.

Modelle

Kimi K3.1 Pro sichert sich den fünften Platz auf dem SevenLab AI Leaderboard

Kimi K3.1 Pro des Entwicklers Kimi ist offiziell in die Top Ten des SevenLab AI Leaderboards eingestiegen und belegt insgesamt den fünften Platz. Der Benchmark bewertet führende Basismodelle anhand einer speziellen wertbereinigten Methodik, die auf Evaluierungsdaten von Artificial Analysis basiert.

Modelle

Auswahl von Enterprise-Hardware für lokale LLMs priorisiert Speicherkapazität und Bandbreite

Unternehmensteams, die Hardware für die lokale Ausführung von Sprachmodellen evaluieren, müssen Speicherkapazität und Bandbreite gegenüber reiner Rechenleistung priorisieren. Die Unified-Memory-Architektur ermöglicht es Entwickler-Workstations, Modelle mit größeren Parametern direkt in den Speicher zu laden. Planungsverantwortliche prüfen diese Spezifikationen, um eine kosteneffiziente On-Device-Inferenz sicherzustellen.

Ready to build something extraordinary?

15 minutes. No pitch deck. Just a conversation about what AI can do for your team.

Talk directly with our AI specialists

15 Min, unverbindlich

Kein Verkaufsdruck

Prototyp in 7 Tagen