OpenAI afirma que sus modelos no solo escribieron código sobre chips. Reescribieron los circuitos dentro del diseño de la GPU insignia de AMD, y a AMD le gustaron algunas reescrituras lo bastante como para enviarlas hacia la fabricación.
En un texto publicado el 18 de noviembre, OpenAI informó ganancias de hasta 14 por ciento en potencia, rendimiento y área en la propiedad intelectual de la GPU insignia de AMD, medidas contra bases muy optimizadas. OpenAI llama a eso cerca de un año de progreso logrado en menos de cinco meses. AMD ya incluyó algunos de estos cambios en un diseño reciente que envió a fabricación, dijo OpenAI, y agregó otros a sus archivos de diseño de producción para versiones futuras.
El anuncio
El trabajo se sitúa en el nivel RTL. RTL, por nivel de transferencia de registros, es el código que describe qué hace un circuito de chip antes de que ese circuito se disponga en forma física. El código GPU de AMD para este trabajo está escrito en SystemVerilog, un lenguaje construido para describir y verificar hardware.
OpenAI dijo que su modelo razonó sobre ese código al nivel de un microarquitecto experto, un diseñador que decide cómo se organiza un bloque de procesador por dentro. El modelo reescribió circuitos que hacen cálculos, controlan operaciones o mueven datos. Para cada reescritura, usó herramientas Synopsys para verificar que el bloque cambiado todavía se comportaba como el original, y para sopesar los compromisos en potencia, rendimiento y área. Ese trío es lo que los equipos de chips abrevian como PPA.
Ese paso de verificación importa más que el paso de reescritura. Un atajo hábil que cambia la respuesta que da un circuito no es una mejora. Es un error con buenas relaciones públicas. El relato de OpenAI es que cada reescritura debía pasar el flujo de verificación Synopsys antes de que sus cifras PPA contaran.
Detalles importantes
OpenAI no dio ningún desglose de la cifra de 14 por ciento. El texto no dice si el mejor resultado fue sobre todo potencia, sobre todo rendimiento o sobre todo área, y no nombra ni el producto GPU ni los bloques donde se encontraron las ganancias. Los lectores no deberían leer hasta 14 por ciento como 14 por ciento más rápido. Es la mejor mejora PPA informada en propiedad intelectual GPU seleccionada, tal como OpenAI la describe, y no un resultado para el chip entero ni una medición tomada en silicio AMD terminado.
El resultado CPU es más pequeño y, en un sentido, más claro. OpenAI dijo que AMD verificó ganancias PPA de un dígito en porcentaje en bloques clave de su próxima CPU insignia de nueva generación con diseños escritos por el modelo. Esa verificación se atribuye a AMD por medio del texto de OpenAI. AMD no había publicado ninguna declaración propia sobre este trabajo al 19 de noviembre en las fuentes verificadas para este informe, y AMD no ha publicado cifras propias ni para el resultado GPU ni para el resultado CPU.
| Detalle | Lo que informó OpenAI |
|---|---|
| Resultado GPU | Mejora PPA de hasta 14 por ciento en la propiedad intelectual de la GPU insignia |
| Base | Bases muy optimizadas, en palabras de OpenAI |
| Afirmación sobre el tiempo | Cerca de un año de progreso en menos de cinco meses, en palabras de OpenAI |
| Método | El modelo reescribió el RTL SystemVerilog, las herramientas Synopsys verificaron cada reescritura |
| Uso en producción | Algunos cambios en un diseño reciente enviado a fabricación, otros en archivos de diseño de producción para versiones futuras |
| Resultado CPU | Ganancias PPA de un dígito en bloques clave de la próxima CPU insignia, verificadas por AMD según lo informado por OpenAI |
| Producto nombrado | Ninguno |
| Desglose del 14 por ciento | No dado |

De dónde viene el método
El trabajo con AMD nació de Jalapeño, el primer chip de inferencia a medida que OpenAI diseñó para ejecutar sus propios modelos. OpenAI dijo que empezó a usar un modelo de frontera temprano para ayudar a diseñar Jalapeño a principios de 2025, y que incluso ese modelo temprano encontró mejoras PPA no triviales.
Las ganancias estaban en las partes del chip que hacen los cálculos. En la unidad vectorial, que gestiona y ejecuta tareas de cálculo en paralelo, los ahorros vinieron de sumadores y multiplicadores de punto flotante, funciones de conversión, lógica de reducción y la unidad de funciones especiales. En la unidad matricial, un rediseño de multiplicador usó cerca de 15 por ciento menos área de celda en síntesis y redujo la latencia de dos ciclos de reloj a uno. Un rediseño separado de sumador redujo el área de celda cerca de 15 por ciento y mantuvo su latencia de dos ciclos.
En el esfuerzo más amplio, OpenAI estima que los cambios propuestos por el modelo redujeron el área de celdas estándar cerca de 13 por ciento en la unidad vectorial y 10 por ciento en la unidad matricial. Esas optimizaciones fueron probadas en silicio durante la puesta en marcha de Jalapeño, la etapa en que un chip nuevo se enciende por primera vez y se verifica en el laboratorio. OpenAI compartió la historia de Jalapeño por primera vez en agosto, cuando dijo que la ayuda del modelo permitió al equipo pasar del diseño inicial a la salida a fabricación en nueve meses. La salida a fabricación es el punto en que un diseño terminado se envía a manufactura.
Esa historia da a la afirmación de AMD un punto de apoyo útil. Las cifras de Jalapeño están ligadas a un chip real que llegó al laboratorio. Las cifras de AMD, en cambio, están ligadas a archivos de diseño y a un diseño enviado a fabricación. Eso está más lejos que una demo de banco de pruebas y más corto que un producto en venta que los compradores pueden probar por sí mismos.
El banco de pruebas, y su propia reserva
Para seguir cómo cambia esta habilidad de una generación de modelo a la siguiente, OpenAI también probó modelos en dos núcleos RISC V de código abierto de 32 bits. PicoRV32 es un núcleo compacto diseñado para FPGA, los chips reprogramables usados en muchos sistemas integrados. Ibex es el procesador integrado usado en el chip de seguridad OpenTitan.
Cada modelo recibió la descripción de hardware original y se le pidió aumentar el rendimiento, es decir el número de instrucciones que el núcleo puede ejecutar por segundo. OpenAI verificó cada diseño en simulación, dio cero a los diseños que fallaban una verificación o usaban más de 16 veces el área original, y midió el resto en cargas de trabajo ocultas a los modelos. En ambas tareas, ambos núcleos y todos los presupuestos, la evaluación completa incluyó 9881 ejecuciones puntuadas. Con un presupuesto comparable de cerca de 112000 tokens por ejecución, GPT 6.2 Astra obtuvo la puntuación media más alta en ambos núcleos.
OpenAI luego dio a los modelos requisitos escritos en lugar de código existente, y cada modelo puntuó más alto de esa manera. OpenAI es directa sobre por qué ese resultado debe leerse con cuidado. Partir de requisitos escritos da a un modelo espacio para omitir funciones presentes en los núcleos originales, como contadores de rendimiento e instrucciones adicionales, y esas funciones pueden hacer poco para mejorar el rendimiento en las cargas de trabajo de la prueba. La empresa dijo que exigir esas funciones, fijar un límite más estricto en el área del circuito y verificar los tiempos después de la síntesis física haría la prueba más representativa del diseño de chips en producción.
Esa reserva no deshace el resultado de AMD, que se midió contra diseños de producción y no contra un núcleo de banco de pruebas. Muestra la diferencia entre los dos tipos de evidencia en el mismo texto. El banco de pruebas sirve para comparar modelos entre sí. El trabajo de AMD y Jalapeño es la evidencia que importa para el silicio real, y también es la parte con menos detalles públicos.

- Principios de 2025OpenAI empieza a usar un modelo de frontera para ayudar a diseñar su chip de inferencia Jalapeño
- 6 de octubre de 2025AMD y OpenAI anuncian una asociación estratégica para desplegar 6 gigavatios de GPU AMD, empezando con 1 gigavatio de sistemas Instinct MI450 en la segunda mitad de 2026
- Agosto de 2026OpenAI cuenta cómo los modelos aceleraron Jalapeño del diseño inicial a la salida a fabricación en nueve meses
- 30 de septiembre de 2026OpenAI y Synopsys anuncian GPT Synopsys, un modelo entrenado para usar las herramientas de diseño Synopsys
- 18 de noviembre de 2026OpenAI informa ganancias PPA de hasta 14 por ciento en el diseño de la GPU insignia de AMD y ganancias de un dígito en bloques CPU
Qué sigue
El paso siguiente confirmado es un producto, y no solo más textos de investigación. OpenAI y Synopsys anunciaron el 30 de septiembre que entrenarán GPT Synopsys, un modelo especializado construido para usar las herramientas de automatización de diseño electrónico de Synopsys como lo hacen los diseñadores de chips expertos. La automatización de diseño electrónico, abreviada como EDA, es el software que los ingenieros usan para diseñar y verificar chips. Según ese acuerdo de varios años, OpenAI obtiene bajo licencia las herramientas EDA de Synopsys para desarrollar el modelo, y las dos empresas colaborarán en investigación y desarrollo y en trabajo conjunto de salida al mercado bajo un marco de ingresos compartidos. Synopsys dijo que compromisos tecnológicos tempranos ya están en curso con clientes líderes de semiconductores, y que GPT Synopsys se ejecutará en infraestructura alojada por OpenAI y trabajará con las plataformas agénticas propias de Synopsys.
OpenAI también dijo que espera más mejoras PPA sobre los diseños GPU y CPU en relación con la base más optimizada. Eso es una expectativa, y no un resultado, y este informe lo trata de esa manera.
Las preguntas abiertas son concretas. ¿Qué productos AMD llevarán cambios escritos por un modelo que los compradores puedan nombrar? ¿Publicará AMD su propio relato de las ganancias GPU y CPU, con un desglose que el texto de OpenAI no da? ¿Y seguirá el mismo método encontrando ganancias una vez que las reescrituras fáciles en un diseño muy optimizado ya se hayan tomado? Una segunda ronda en los mismos bloques diría a los lectores más que una primera ronda en un bloque nuevo, porque mostraría si se trata de una cosecha única o de un paso repetible en el flujo de diseño.
También hay una carrera más amplia que vale la pena seguir. Anthropic dijo hace poco a los inversores que su modelo Claude Mythos Preview escribió casi todo el código de bajo nivel necesario para hacer funcionar un modelo en GPU AMD en cerca de tres días, una afirmación que examinamos en Anthropic Claude Mythos Preview: la afirmación sobre los núcleos AMD. Ese trabajo trataba sobre núcleos, la capa de software que ejecuta un modelo en un chip. El trabajo de OpenAI informado aquí se sitúa un nivel más profundo, en los circuitos del chip mismo. Ambos apuntan en la misma dirección. Los modelos pasan de escribir software que se ejecuta en hardware a dar forma al hardware que ejecuta los modelos, y los laboratorios que venden los modelos ahora también diseñan, de una manera pequeña pero real, el silicio. Nuestro informe anterior de hoy sobre Nvidia detiene los envíos de chips aprobados a China muestra el otro lado de ese cambio, donde el acceso a chips avanzados sigue siendo una lucha política y comercial incluso cuando el diseño de esos chips empieza a cambiar de manos.
Hechos verificados el 19 de noviembre de 2026 contra el texto de OpenAI del 18 de noviembre y el anuncio de Synopsys a continuación. La cifra GPU de 14 por ciento, la cifra CPU de un dígito y la estimación de un año de progreso son afirmaciones informadas por OpenAI, atribuidas como tales en este informe. AMD no había publicado ninguna declaración separada sobre este trabajo de diseño de chips en las fuentes verificadas al 19 de noviembre.
Fuentes
- OpenAI, Advancing chip design with OpenAI models, 18 de noviembre de 2026: https://openai.com/index/advancing-chip-design-with-our-models/
- Synopsys, OpenAI and Synopsys Announce GPT Synopsys, 30 de septiembre de 2026: https://news.synopsys.com/2026-09-30-OpenAI-and-Synopsys-Announce-GPT-Synopsys-Frontier-Intelligence-to-Revolutionize-Chip-Design
- OpenAI, AMD and OpenAI announce strategic partnership to deploy 6 gigawatts of AMD GPUs, 6 de octubre de 2025: https://openai.com/index/openai-amd-strategic-partnership/
- Imágenes principal y en el texto: ilustraciones Dirty Static
FIN DE LA TRANSMISIÓN
Mantén la curiosidad. Cuestiónalo todo.


