Pando è il backend Git interno che OpenAI usa per il proprio monorepo: mantiene la compatibilità con protocollo e client Git, mentre coordina separatamente i riferimenti e i pack del repository. Nel post tecnico pubblicato il 2 novembre 2026, l’azienda riferisce che la latenza mediana dei push in produzione è scesa di quasi l’80%. Pando aveva iniziato a servire traffico di produzione nell’aprile 2026, dopo circa dieci settimane di sviluppo, secondo il resoconto tecnico di OpenAI.

Come Pando gestisce push e fetch

Un push invia a Git un insieme di oggetti chiamato pack. Pando convalida i pack in ingresso mentre li trasmette al blob storage, dove vengono conservati i dati, e registra in un archivio di metadati la versione e le dipendenze del riferimento aggiornato. Poi modifica il puntatore del riferimento. OpenAI afferma che questo percorso evita di spacchettare ogni pack in un repository locale.

Per un fetch, cioè il recupero degli aggiornamenti, Pando considera la cronologia che il client conosce già e i commit richiesti, poi seleziona pack archiviati che contengono gli oggetti mancanti. Il client li scarica tramite appositi URI; Express li serve appoggiandosi a cache regionali. Riutilizzare pack esistenti evita di generarne uno su misura per ogni lettore.

Una compattazione in background riunisce i pack più piccoli in raccolte più grandi, chiamate cover. Nel monorepo di OpenAI queste arrivano fino al livello L4: servono a ridurre il numero di pack che un client deve recuperare e a rendere più efficiente la pianificazione dei fetch quando la sua copia locale è molto indietro.

Il riuso dei pack comporta un compromesso nei push verso i branch di funzionalità. Pando indica in genere il branch principale, o trunk, come base quando il client pubblica un nuovo branch. Così l’elenco dei riferimenti non cresce con il numero di branch e i pack risultano più riutilizzabili; nei push successivi o nei branch basati l’uno sull’altro, però, possono essere reinviati oggetti che non fanno parte del trunk. Nel monorepo di OpenAI, con questa modalità, il pack mediano era inferiore a 20 KiB e il 99° percentile inferiore a 3 MiB.

Aggiornamenti paralleli, senza una fotografia unica del repository

Pando consente di aggiornare in parallelo riferimenti non correlati, come branch distinti, e mantiene un ordine serializzabile degli aggiornamenti per ciascun singolo riferimento. Una lettura che coinvolge più branch, quindi, non garantisce che tutti riflettano lo stato del repository nello stesso istante: ciascuno può corrispondere a un momento diverso.

Questa scelta concentra la coordinazione dove serve, sul singolo riferimento, e lascia procedere insieme gli aggiornamenti a riferimenti separati. OpenAI ha realizzato il sistema in Rust e lo ha introdotto inizialmente come proxy di lettura e scrittura verso il backend precedente, per migrare il traffico in modo graduale.

Che cosa misurano i risultati dichiarati da OpenAI

Oltre alla riduzione della latenza mediana dei push, OpenAI riferisce che Pando consegna quasi un petabyte di dati Git al giorno. In un’ora di picco ha servito oltre 57 terabyte di pack; più del 99% dei byte di quel traffico è arrivato dalla cache su disco locale. L’azienda afferma inoltre che operazioni convalidate di clone e fetch hanno saturato collegamenti da 10 Gbps su macchine virtuali standard dei provider cloud. Sono risultati riferiti al sistema e ai carichi di lavoro di OpenAI.

La pagina tecnica presenta anche una comparazione interattiva tra Pando e altri modelli di architettura. OpenAI la definisce una simulazione sintetica a scopo didattico, non un benchmark di produzione: illustra le differenze tra gli approcci, ma non è una misura comparativa delle prestazioni operative.

Che cosa OpenAI intende condividere

OpenAI descrive Pando come un sistema interno che alimenta il proprio monorepo. Dice di esplorare modi per condividere la tecnologia alla base del backend, senza indicare una data o un formato di rilascio di Pando. L’azienda afferma separatamente che alcuni miglioramenti Git sviluppati durante il lavoro sono già confluiti nel progetto Git e altri si trovano in un repository pubblico di OpenAI.