# Adesso — 25 agosto 2026 > Indice di tutte le voci: https://singolarita.com/adesso.md · https://singolarita.com/adesso ## Jalapeño, primi numeri misurati: da 1,5 a 1,9 volte il throughput per kilowatt dei rack Blackwell *infrastruttura · rilevanza 4/5 · aggiornata* Il 25 agosto, nella sessione conclusiva di Hot Chips 2026 a Stanford, Richard Ho, Ravi Narayanaswami e Chris Leary hanno presentato i primi risultati misurati di Jalapeño, l'acceleratore di sola inferenza che OpenAI ha costruito con Broadcom. Sulla suite pubblica InferenceX di SemiAnalysis, su tre modelli — gpt-oss-120B, DeepSeek R1 e Kimi K2.5 da mille miliardi di parametri — il chip dà da 1,5 a 1,9 volte il throughput per kilowatt e da 1,7 a 3,6 volte meno latenza end-to-end rispetto ai migliori risultati dei rack Nvidia GB200 e GB300. È dato per 700 W di TDP contro i 1.400 W del pacchetto GB300, con consumo sostenuto misurato a 550 W o meno; un rack da 128 chip fa 1,7 exaflops a 4 bit, 27,5 TB di HBM4 e quasi 2 PB/s di banda. Il chip era stato annunciato con Broadcom il 24 giugno senza un solo numero di prestazione: i primi dati misurati arrivano 62 giorni dopo. Il numero che conta non è il 104,3. Quella forbice — da 8,6 a 104,3 volte il throughput per kilowatt — vale solo ai punti di latenza più bassa, il bordo estremo della curva dove il GB300 semplicemente non arriva: è vera e poco rappresentativa del carico medio. Conta invece chi ha misurato. Tutti i numeri vengono da OpenAI; SemiAnalysis, che la suite la possiede, dice di aver assistito di persona alle prove in laboratorio ma di non aver eseguito in proprio l'intera InferenceX, né di aver visto risultati su AgentX, il suo banco a contesto lungo e sessioni agentiche, quello che di solito fa emergere i punti deboli. Fornire il benchmark ed essere presenti alle prove non è la stessa cosa che rifarle. Le riserve più dure le firma lo stesso SemiAnalysis, che definisce il paragone con Blackwell «in qualche misura incompleto e ingiusto»: Jalapeño monta HBM4 contro l'HBM3E di GB200 e GB300, e il vero avversario è Vera Rubin, che sta già arrivando ai clienti mentre di Jalapeño esistono campioni ingegneristici. Il 700 contro 1.400 W è un confronto fra TDP dichiarati per acceleratore, non fra potenza reale: normalizzando alla potenza di utenza all-in per acceleratore, 1,18 contro 2,55 kW, i vantaggi si assottigliano. The Register aggiunge il controcanto sul calcolo grezzo, dove i rack Nvidia e AMD di ultima generazione stanno da 1,46 a 2 volte sopra. E Jalapeño non addestra: sull'addestramento Nvidia resta senza avversari. Un dettaglio resta irrisolto e cambia il verso del confronto: le coperture non concordano se le configurazioni Nvidia messe a paragone usassero la predizione multi-token e la decodifica speculativa, che in produzione sono la norma — due verifiche indipendenti condotte per questa voce sono arrivate a conclusioni opposte, e senza la primaria non si decide. Dispiegamento a volumi molto piccoli entro fine 2026, ramp vero nel 2027. La pagina di OpenAI non è stata aperta in questo run: la voce resta in verifica. **Numeri:** - ×1,5-1,9 throughput per kilowatt contro i rack Nvidia GB200 e GB300, su InferenceX, normalizzato ai TDP dichiarati - ×1,7-3,6 latenza end-to-end più bassa, sugli stessi tre modelli - ×53,7-104,3 throughput per kilowatt ai punti di latenza più bassa, dove il GB300 non arriva: bordo estremo della curva, non carico tipico - 700 W TDP dichiarato, sostenuti misurati ≤ 550 W, contro i 1.400 W del pacchetto GB300 - 1,18 contro 2,55 kW potenza di utenza all-in per acceleratore: con questa normalizzazione i vantaggi si assottigliano - 62 giorni dall'annuncio del chip, il 24 giugno 2026, ai primi numeri misurati **Da verificare il:** 2026-12-31 **Correzioni e aggiornamenti:** - 2026-08-27 — Il caveat che pesa di più non è nella potenza dichiarata ma nella memoria, e a sollevarlo è chi ha fatto le misure. SemiAnalysis scrive che il confronto con Blackwell è in parte incompleto e ingiusto, perché Jalapeño monta HBM4 mentre i rack GB200 e GB300 montano HBM3E: il concorrente omogeneo è Rubin, che usa la stessa generazione di memoria, e un risultato InferenceX fra Jalapeño e Rubin fatto nello stesso laboratorio con lo stesso software non esiste pubblicamente. Finché non esiste, dire che Jalapeño batte la generazione attuale di Nvidia è un'estrapolazione. Vanno aggiunti due limiti della prova: i test sono stati eseguiti con gli ingegneri di OpenAI nel laboratorio di OpenAI, e non usano il decoding speculativo. Il 26 agosto, giorno della trimestrale Nvidia, la lettura finanziaria si è spostata dalle prestazioni ai margini: il silicio su misura viene ora descritto come una pressione sul margine lordo di Nvidia, rimasto al 75,0% ma guidato al 74,0%. - 2026-09-05 — 5/9: la pagina di OpenAI è stata aperta e letta, appendice compresa, attraverso il proxy di estrazione che aggira il 403. Reggono l'1,5-1,9 volte di throughput per kilowatt, l'1,7-3,6 volte di latenza più bassa, i 700 W dichiarati con sostenuti misurati a 550 o meno, i tre modelli di prova, InferenceX come banco di SemiAnalysis, la normalizzazione ai TDP dichiarati e i 62 giorni dal 24 giugno. Una forbice va corretta, ed era il terzo numero: ai punti di latenza più bassa non è ×8,6-104,3 ma ×53,7-104,3 — l'appendice dà 53,7 su GPT-OSS 120B, 104,3 su DeepSeek R1 e 56,1 su Kimi K2.5, e la cifra 8,6 sulla pagina non compare. Va corretto anche il termine di paragone: OpenAI dichiara un pacchetto da 1.200 W per il GB200 usato su GPT-OSS e da 1.400 W per il GB300 usato sugli altri due, quindi il 700 contro 1.400 vale per due prove su tre. Un numero in più che la pagina dà e questa voce non aveva: 2,1-4,1 volte le prestazioni sui carichi molto interattivi. Il dettaglio che avrebbe deciso il verso del confronto resta indeciso: la parola «speculative» sulla pagina non compare, quindi non si sa se le configurazioni Nvidia usassero decodifica speculativa. **Fonti:** [OpenAI](https://openai.com/index/jalapeno-first-results/) · [Hot Chips 2026, programma](https://hc2026.hotchips.org/program/) · [Broadcom, annuncio del 24 giugno 2026, fatto distinto](https://investors.broadcom.com/news-releases/news-release-details/openai-and-broadcom-unveil-llm-optimized-intelligence-processor) · [SemiAnalysis, proprietaria della suite InferenceX (discussione)](https://newsletter.semianalysis.com/p/openai-jalapeno-better-than-nvidia) · [The Register, sul calcolo grezzo (discussione)](https://www.theregister.com/systems/2026/08/25/openais-upcoming-jalapeno-chip-looks-like-itll-be-an-inference-beast/5292052) · [Tom's Hardware (discussione)](https://www.tomshardware.com/tech-industry/semiconductors/openai-says-its-jalapeno-chip-beats-nvidias-gb300-in-first-published-benchmarks) · [TechCrunch (discussione)](https://techcrunch.com/2026/08/25/openais-jalapeno-chip-is-built-for-fast-inference-at-scale-benchmarks-show/) · [Data Center Dynamics (discussione)](https://www.datacenterdynamics.com/en/news/openai-details-jalape%C3%B1o-ai-chip-with-700w-tdp/) · [Axios (discussione)](https://www.axios.com/2026/08/25/openai-says-its-jalapeno-chip-offers-spicy-performance) ## Amazon chiude Mechanical Turk il 30 settembre, ventun anni dopo il lancio: già nel 2023 fino al 46% dei lavoratori, in un esperimento, faceva il compito con un modello *società · rilevanza 4/5 · confermata* Il numero che conta non è 500.000. Quello è il totale storico di iscritti che Amazon e le coperture citano al picco, senza anno di riferimento; quanti lavoratori fossero attivi negli ultimi mesi non è pubblico. La stima più solida di ordine di grandezza resta accademica e vecchia: nel 2018 Difallah, Filatova e Ipeirotis, con una tecnica di cattura-ricattura, contavano oltre 100.000 iscritti e circa duemila attivi in un dato momento. L'altro numero è del giugno 2023: uno studio dell'EPFL stimava fra il 33% e il 46% la quota di lavoratori che aveva usato un modello linguistico per svolgere su MTurk un compito di sintesi di abstract. È una stima su un singolo tipo di compito, particolarmente adatto all'automazione furtiva, non sulla piattaforma intera. Il titolo dello studio, «Artificial Artificial Artificial Intelligence», è un commento a Bezos, che nel 2005 aveva presentato MTurk come intelligenza artificiale artificiale. La causalità per cui l'IA avrebbe ucciso il lavoro umano che l'ha addestrata è lettura giornalistica, non di Amazon: la nota parla di una revisione periodica di programmi e servizi, e le stesse coperture citano la concorrenza di Scale AI, Mercor e Prolific. Che MTurk non accettasse più nuovi clienti si sapeva dal 30 luglio, insieme alla chiusura alle nuove iscrizioni di SageMaker Ground Truth e Amazon Augmented AI, che si spengono lo stesso giorno: il fatto nuovo del 25 agosto è la data di spegnimento. La nota su mturk.com è riportata testualmente e in modo concordante da più testate, ma in questo run la rete diretta era chiusa e non è stata aperta: la voce resta in verifica. **Numeri:** - 21 anni dal lancio di Mechanical Turk nel 2005 alla chiusura il 30 settembre 2026 - 33-46% quota stimata di lavoratori MTurk che usava un modello linguistico in un compito di sintesi, studio EPFL del giugno 2023 - ~2.000 lavoratori attivi in un dato momento su oltre 100.000 registrati, stima del 2018; il conteggio degli attivi oggi non è pubblico **Da verificare il:** 2026-09-30 **Correzioni e aggiornamenti:** - 2026-09-05 — 5/9: aperta la nota su mturk.com, e la voce passa a confermata. La chiusura al 30 settembre 2026 è testuale, e testuale è anche la formula sulla revisione dei programmi e dei servizi, che è esattamente la lettura non causale che questa voce contrapponeva a quella per cui l'IA avrebbe ucciso il lavoro che l'ha addestrata. Verificato sull'originale anche il 33-46% dello studio EPFL, sottomesso il 13 giugno 2023, misurato su un compito di sintesi di abstract: la forbice, il mese e il caveat sul singolo tipo di compito sono corretti. Un numero non è stato ricontrollato: i circa duemila lavoratori attivi su oltre centomila registrati del 2018, il cui PDF non si è reso leggibile. **Fonti:** [arXiv 2306.07899, Veselovsky, Horta Ribeiro e West (EPFL)](https://arxiv.org/abs/2306.07899) · [Difallah, Filatova e Ipeirotis, WSDM 2018](https://www.ipeirotis.com/wp-content/uploads/2017/12/wsdmf074-difallahA.pdf) · [CNBC (discussione)](https://www.cnbc.com/2026/08/25/amazon-service-that-jeff-bezos-called-artificial-ai-is-shutting-down.html) · [Quartz (discussione)](https://qz.com/amazon-mechanical-turk-shutting-down-082626) · [The Next Web (discussione)](https://thenextweb.com/news/amazon-mechanical-turk-closing-september-2026) · [TechCrunch, sullo studio del 2023 (discussione)](https://techcrunch.com/2023/06/14/mechanical-turk-workers-are-using-ai-to-automate-being-human/) · [Amazon Mechanical Turk, la nota di chiusura](https://www.mturk.com/) ## Emerald AI raccoglie 150 milioni a 1,05 miliardi di valutazione: quattordici mesi fa usciva dallo stealth con 24,5 milioni *infrastruttura · rilevanza 3/5 · confermata* La valutazione del round precedente non è mai stata resa nota, quindi sulla valutazione un delta non esiste. Quello che si misura è la velocità della raccolta: il 1° luglio 2025 Emerald AI usciva dallo stealth con 24,5 milioni di dollari di seed guidati da Radical Ventures con NVentures di Nvidia, poi 18 milioni di estensione per un totale dichiarato dall'azienda di 42,5 milioni; il comunicato del 25 agosto parla di oltre 220 milioni raccolti in tutto. La Serie A da 150 milioni è co-guidata da Energize Capital e DCVC, con Nvidia, Samsung Ventures, Siemens, GE Vernova, RWE e Aramco Ventures fra i partecipanti. L'azienda fa software che modula l'assorbimento di potenza dei data center quando la rete elettrica è sotto stress. La tesi degli oltre 100 GW sbloccabili sulla rete statunitense esistente non è un risultato: viene da uno studio della Duke University secondo cui data center capaci di flettere il consumo del 25% per due ore alla volta, per meno di duecento ore l'anno, libererebbero quella capacità di allacciamento. È un condizionale su un comportamento che quasi nessuno ha ancora dimostrato in produzione, ed è il confronto più insidioso della voce: potenziale stimato contro capacità realizzata. Il riscontro sul campo più citato è un test in un data center Oracle a Phoenix, con software Emerald, che ha ridotto il consumo del 25% nelle ore di picco della rete; gli analisti del settore osservano che di questi esercizi mancano quasi sempre durata, percentuale e condizioni per giudicarne la portata. **Numeri:** - 1,05 mld $ valutazione della Serie A del 25 agosto 2026; quella del round precedente non è stata resa nota - 24,5 mln $ il seed con cui l'azienda è uscita dallo stealth il 1° luglio 2025; oggi il totale raccolto dichiarato supera i 220 milioni - oltre 100 GW capacità sbloccabile sulla rete statunitense secondo uno studio Duke ripreso dall'azienda: potenziale stimato, non realizzato **Fonti:** [Business Wire, comunicato Emerald AI](https://www.businesswire.com/news/home/20260825127649/en/Emerald-AI-Raises-$150-Million-Series-A-at-$1.05-Billion-Valuation-to-Scale-Power-Flexible-AI-Data-Centers) · [Emerald AI, blog sull'estensione del seed](https://www.emeraldai.co/blog/sharing-our-seed-extension-emerald-ais-total-funding-reaches-42-5-million-to-scale-power-flexible-ai-infrastructure) · [PR Newswire, lancio del 1° luglio 2025](https://www.prnewswire.com/news-releases/emerald-ai-launches-with-24-5m-seed-round-to-transform-ai-data-centers-into-grid-allies-302495064.html) · [SiliconANGLE (discussione)](https://siliconangle.com/2026/08/25/data-center-power-startup-emerald-ai-raises-150m-at-1-05b-valuation/) · [Latitude Media, sulla flessibilità dei data center (discussione)](https://www.latitudemedia.com/news/a-reality-check-on-flexible-data-centers/)