OpenAI crea Pando para escalar Git en su monorepo
Scaling Git at OpenAI
OpenAI desarrolló Pando, un nuevo backend para Git que ya impulsa todo el desarrollo en su monorepo sin interrumpir el trabajo de los ingenieros. Pando coordina las actualizaciones de cada rama de forma independiente y reutiliza packfiles entre fetches, lo que reduce la latencia mediana de push casi 5 veces y entrega cerca de un petabyte de datos Git al día. Mantiene la compatibilidad con el protocolo y el cliente de Git, y busca contribuir mejoras a la comunidad.
En producción, Pando redujo la latencia mediana de push casi 5 veces. Ahora entrega cerca de un petabyte de datos Git al día.
- usrme
Según mis cuentas, esta publicación de OpenAI es el quinto artículo importante sobre el tema del escalado, siendo los cuatro anteriores:
- Cursor: https://cursor.com/blog/git-at-any-scale
- GitHub: https://github.blog/engineering/architecture-optimization/bu...
- Anthropic: https://www.anthropic.com/research/redesigning-source-contro...
- GitHub: https://github.blog/engineering/architecture-optimization/th...
Quizás también tangencialmente el de East River Source Control: https://ersc.io/blog/what-comes-after-git.
Me pregunto cuánta polinización cruzada de ideas y detalles de implementación posteriores hay entre las personas que trabajan en estas empresas. Parece que todo esto podría converger potencialmente.
- bigmadshoe
¿Alguien puede explicarme qué podría estar haciendo realmente este volumen masivo de código? Obviamente tienen variaciones de arquitecturas de modelos, infraestructura de entrenamiento, infraestructura de servicio y el código fuente de sus aplicaciones.
¿Por qué el volumen de cualquiera de estas cosas estaría aumentando exponencialmente? ¿Y qué están haciendo todos los ingenieros cuando (aparte de la calidad del modelo) sus productos no parecen estar cambiando mucho?
- paxy
Aunque no tengo ningún interés particular en el tema, esta es una gran entrada de blog. Nada de IA en cada segunda línea, nada de marketing innecesario ni hype. Solo un montón de ingenieros hablando con su propia voz sobre un tema con gran detalle, con números, gráficos y visualizaciones.
- pksunkara
No veo benchmarks en ningún lado aquí. Por ejemplo, ¿cuántos pushes por segundo maneja esto? ¿Y cuántos pushers concurrentes? etc.
Aviso: estoy construyendo un forge de código en https://juju.bi
- cadamsdotcom
> Al manejar un push, Pando valida el packfile entrante mientras lo transmite al almacenamiento de blobs, sin desempaquetarlo en un repositorio local
¿No se señaló esto como un gran riesgo, ya que parece depositar una confianza total en el cliente?
Especialmente con todos los agentes rebeldes y fallos de contención/monitoreo que hemos visto en 2026?
Me encantaría saber cómo se considera suficiente la validación.
- japgolly
Es interesante que usaran tanto Lean como TLA+. Ojalá hablaran más de eso. Habría pensado que usarían uno u otro. En general, ambos hacen lo mismo (probar especificaciones), pero de formas muy diferentes.
- bob1029
¿Por qué no usar una topología de VCS completamente diferente si eres un gigantesco coloso de un billón de dólares? ¿Por qué seguimos usando el concepto de git "distribuido" como base para todo?
La centralización es exactamente lo que quieres a esta escala. La participación más marginal del servidor marcaría una gran diferencia.
Hay una razón por la que los estudios de juegos no usan git. No es solo por los objetos grandes.
- springtimesun
¿El gráfico de aumento de commits está en porcentajes porque es menor que la tasa de Anthropic? ¿Un caso de envidia de commits?
Hablando en serio, he disfrutado leyendo estas publicaciones. Nunca trabajaré a esta escala, pero me gusta leer cómo diferentes equipos abordan problemas como este y me pregunto si algunos de estos enfoques se filtrarán (¿o ascenderán?) a la práctica habitual a medida que todos hacen commits más y más rápido.