Modellen26 juni 2026

OpenAI en Broadcom ontwikkelen Jalapeño-chip om afhankelijkheid van Nvidia te verminderen

OpenAI werkt samen met Broadcom aan het ontwerp van zijn eerste eigen chip voor kunstmatige intelligentie, met de codenaam Jalapeño. Dit op maat gemaakte silicium is bedoeld om de inferentieprestaties te optimaliseren en de toeleveringsketen van hardware te diversifiëren buiten de huidige afhankelijkheid van Nvidia-GPU's.

Waarom het ertoe doet

Deze verschuiving wijst op een beweging naar verticaal geïntegreerde stacks waarbij eigen chips de inferentiekosten kunnen verlagen en de latentie voor productiemodellen kunnen verbeteren. Het suggereert dat bedrijfsteams binnenkort mogelijk implementaties moeten beheren over steeds meer heterogene hardware-architecturen.

Kernpunten

De Jalapeño-chip is specifiek ontworpen voor zeer efficiënte AI-inferentietaken
Broadcom levert de onderliggende siliciumexpertise en ontwerpintegratie voor het project
OpenAI streeft ernaar om via TSMC speciale productiecapaciteit veilig te stellen voor productie tegen 2026

Gerelateerde oplossingen

Sovereign AI Generatieve AI Machine Learning

Al het AI-nieuws

Meer AI-nieuws

Modellen

Moonshot AI introduceert Kimi K3.1 Pro en snelle variant voor commerciële evaluatie

Moonshot AI heeft officieel zijn Kimi K3.1 Pro-model gelanceerd, samen met een speciale hogesnelheidsversie die is ontworpen voor snellere verwerking. Organisaties die de release evalueren, onderzoeken de operationele kosten en het gegevensverwerkingsbeleid van de leverancier nauwkeurig voordat ze overgaan tot implementatie in productie.

Modellen

Kimi K3.1 Pro behaalt de vijfde plaats op de SevenLab AI-ranglijst

Kimi K3.1 Pro van ontwikkelaar Kimi is officieel binnengekomen in de top tien van de SevenLab AI-ranglijst en bezet de vijfde plek algemeen. De benchmark volgt toonaangevende foundation models met behulp van een gespecialiseerde, voor waarde gecorrigeerde methodologie op basis van evaluatiedata van Artificial Analysis.

Modellen

Selectie van enterprise-hardware voor lokale LLM's geeft prioriteit aan geheugencapaciteit en bandbreedte

Enterpriseteams die hardware evalueren voor de lokale uitvoering van taalmodellen moeten zich richten op geheugencapaciteit en bandbreedte in plaats van pure rekenkracht. Een uniforme geheugenarchitectuur stelt ontwikkelworkstations in staat om modellen met grotere parameters direct in het geheugen te laden. Planningsleiders beoordelen deze specificaties om kosteneffectieve inferentie op het apparaat zelf te waarborgen.

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, vrijblijvend

Geen verkooppraatje

Prototype in 7 dagen