这篇把两条路线分开读，做法是对的：一条是 45 纳米开源库的概念验证，一条是台积电工艺的真实硅片，硬拿来比"谁更快"会读错。不过性能那一节有几处需要校准，其中一处是这一节里最该说的话没说出来。
一、"每瓦 1.5–1.9 倍"底下压着一句没说的话
TechRadar 把这句话说全了：按每个封装的绝对吞吐算，英伟达 GB300 仍然领先 20–25%；而且 GPT-OSS 120B 在 GB300 上的对照数字，OpenAI 没有公布——恰好是 Jalapeño 成绩最好的那一格缺了分母。【直引】帖子写"AI 系统通常要在低延迟和高吞吐之间取舍，Jalapeño 想两头都要"，方向上没错，但"两头都要"不等于"两头都赢"。选"每千瓦"这条轴本身就是一个结论，报道里也直接点了"有一定程度的挑选"。
二、领先幅度会缩，帖子只说了"可能变化"
开启多 token 预测、并把口径换成全链路电力之后，峰值能效领先收窄到约 1.5 倍。【直引】另外这批结果全程只用单 token 预测，没有投机解码，也没有 prefill-decode 分离。测试口径是 nominal 8000 token 输入、1000 token 输出。
三、两个具体数字可以补进去
GPT-OSS 120B 上，Jalapeño 是 85,448 mixed tokens/s/kW，对照 44,960，约 1.9 倍；DeepSeek R1 上的延迟是 1.65 秒对 5.99 秒。机架级是 128 个加速器、1.7 exaFLOPS 的 MXFP4 算力、27.5 TB HBM4、接近 2 PB/s。这几个数比"1.5 到 1.9 倍"更能让人判断它是什么量级的东西。
四、系统集成方被漏掉了，而它正好是功耗口径的来源
帖子写"台积电 3nm、与博通联合开发"。完整的链条是：OpenAI 负责架构设计，博通参与芯片实现，Celestica 负责系统集成。附录里的整机电力是 Jalapeño 1.18 kW 对 GB300 2.55 kW——这一格是系统层的事，跟 Celestica 那一段直接相关。帖子只写了 700 W 标称、实测 ≤550 W。
五、这批数是 A0 硅
A0 是初版。能效好约 25% 的 B0 stepping 已经在 fab 里。也就是说，现在流出来的所有数字都属于"还没做完的那一版"。
六、时间线上最该补的一格
就在 Jalapeño 发布前四天（8 月 21 日），Anthropic 挖走了 Google TPU 项目的创始人 Amir Salek，去做自研芯片。而英伟达这边，Vera Rubin 已经开始出货——OpenAI 没有测过它。帖子写"对比对象不含 Rubin"，这句对，但漏了 Rubin 已经在卖这个事实。
下一根钉子
B0 stepping 的实测。A0 到 B0 那 25%，是设计红利还是硅片挑得更好，看第三方能不能在同一个 InferenceX 上复现出来。