OpenAI cho biết Pando, hệ thống backend tương thích Git do hãng tự phát triển, hiện vận hành kho mã nguồn monorepo và xử lý gần một petabyte dữ liệu Git mỗi ngày. Dự án phản ánh áp lực hạ tầng mới khi Codex và các AI agent tạo ra nhiều nhánh, push và lượt fetch song song hơn.
Vì sao OpenAI phải xây một backend Git mới?
OpenAI vừa công bố Pando, một backend phục vụ kho mã nguồn được thiết kế để mở rộng theo khối lượng công việc phát sinh từ phát triển phần mềm có AI agent tham gia. Theo bài viết kỹ thuật đăng ngày 2/11/2026, Pando hiện vận hành toàn bộ hoạt động phát triển trên monorepo của OpenAI, trong khi vẫn giữ khả năng tương thích với giao thức và client Git quen thuộc.
Động lực chính không đơn thuần là kho mã nguồn lớn hơn. Khi Codex cho phép kỹ sư giao nhiều tác vụ cho agent chạy song song, số lượng nhánh, lần push, merge, fetch và clone tăng mạnh. Một thay đổi có thể kích hoạt nhiều tác vụ CI; nhiều môi trường phát triển và agent lại cần tải cùng một commit. Hệ thống quản lý mã nguồn truyền thống phải xử lý lượng truy cập đồng thời lớn hơn đáng kể.
OpenAI cho biết các hệ thống cũ bắt đầu gặp khó khăn từ cuối năm trước. Thay vì thay đổi quy trình Git của kỹ sư, công ty chọn xây một backend mới nhưng giữ nguyên trải nghiệm client, giúp người dùng và agent tiếp tục làm việc qua các thao tác Git quen thuộc.
Thiết kế ưu tiên push song song và tái sử dụng dữ liệu
Pando tập trung vào hai mục tiêu: mở rộng khả năng ghi khi nhiều client push lên các nhánh khác nhau, và tăng thông lượng đọc để client tải dữ liệu nhanh nhất có thể theo giới hạn mạng.
Một lựa chọn kiến trúc quan trọng là không cố duy trì ảnh chụp nhất quán tuyệt đối của mọi nhánh tại cùng một thời điểm. Pando dùng mô hình nhất quán nhân quả cho lịch sử từng nhánh. Các cập nhật trên những nhánh độc lập có thể tiến hành song song; xung đột chủ yếu xảy ra khi nhiều client đồng thời cập nhật cùng một ref. Đổi lại, một client đọc nhiều nhánh có thể quan sát chúng ở những thời điểm hơi khác nhau.
Ở phía đọc, Pando tái sử dụng packfile thay vì liên tục tạo một gói dữ liệu riêng cho từng client. Hệ thống lưu các pack bất biến, theo dõi quan hệ phụ thuộc giữa những phiên bản ref, rồi lựa chọn các pack mà client còn thiếu. Các pack được gom và tối ưu trong nền thông qua cơ chế compaction, giúp giảm số lượng tệp cần tải khi client cập nhật sau thời gian dài.
Kiến trúc này cũng tận dụng cache theo vùng địa lý. OpenAI cho biết tỷ lệ cache hit của các pack vượt 99% trong hệ thống hiện tại, qua đó giảm lượng công việc phải thực hiện trực tiếp trên máy chủ phục vụ.
Các con số hiệu năng và điều cần hiểu đúng
Theo số liệu OpenAI công bố, Pando giảm độ trễ push trung vị gần 5 lần trong một số phép đo được nêu; phần triển khai tổng thể cũng giúp giảm gần 80% thời gian push trung vị so với hệ thống trước. Hệ thống có thể phân phối gần một petabyte dữ liệu Git mỗi ngày và từng phục vụ hơn 57 TB Git pack trong một giờ. Đây là số liệu do chính OpenAI công bố, chưa phải benchmark độc lập trên nhiều loại workload.
Công ty cho biết Pando được xây dựng bằng Rust, sử dụng các bài kiểm thử tuân thủ Git, mô phỏng xác định và công cụ hình thức như Lean, TLA+ để tìm lỗi cạnh tranh và kiểm tra thuộc tính thiết kế. OpenAI cũng nói dự án đi từ khởi động đến production trong khoảng 10 tuần, với Codex hỗ trợ quá trình triển khai.
Ý nghĩa với hệ sinh thái developer
Pando cho thấy AI agent không chỉ làm thay đổi cách viết code; nó còn tạo áp lực lên các thành phần nền tảng như source control, CI, artifact storage và môi trường build. Khi một nhóm nhỏ có thể khởi chạy hàng chục hoặc hàng trăm tác vụ agent, nút thắt có thể chuyển từ tốc độ gõ code sang khả năng đồng bộ và phân phối trạng thái dự án.
Điểm đáng chú ý là OpenAI không thay Git bằng một giao thức hoàn toàn mới. Việc giữ tương thích giúp giảm chi phí chuyển đổi và tạo cơ hội đóng góp cải tiến trở lại hệ sinh thái Git. Tuy nhiên, Pando hiện được mô tả như hạ tầng nội bộ của OpenAI; bài công bố chưa đưa ra cam kết phát hành một dịch vụ Git công khai cho mọi tổ chức.
Với đội ngũ kỹ thuật, bài học thực tế là cần đo tải phát sinh từ agent ở cấp hệ thống: số nhánh tồn tại đồng thời, tần suất push, số lượt fetch lặp lại từ CI, cache hit và chi phí tạo pack. Khi AI coding trở thành quy trình mặc định, những thành phần trước đây ít được chú ý có thể trở thành giới hạn hiệu năng mới.
Nguồn tham khảo
- Scaling Git at OpenAI — OpenAI, 2/11/2026
