A OpenAI publicou em 11 de setembro de 2026 um detalhamento técnico sobre o Habitat, sua plataforma de armazenamento online, responsável por sustentar o crescimento de produtos como ChatGPT, Codex e APIs internas. O post marca a primeira parte de uma série sobre como a empresa adaptou sua infraestrutura para servir mais de 1 bilhão de usuários semanais e lidar com um volume superior a 70 milhões de requisições por segundo.
Do client-side à arquitetura distribuída
Habitat foi lançado em 2023 como uma biblioteca Python simples, inicialmente voltada para facilitar operações de armazenamento e consulta sem que engenheiros de produto precisassem se preocupar com os detalhes de bancos de dados como Azure Cosmos DB. A proposta era abstrair tarefas como lookup de schema, roteamento, autorização, criptografia e pooling de conexões, centralizando a lógica de armazenamento e tornando o desenvolvimento de produtos mais ágil.
Com a rápida adoção interna e a explosão de usuários, a arquitetura client-side mostrou suas limitações. À medida que a complexidade dos produtos aumentou, tornou-se inviável seguir evoluindo o protocolo de comunicação mantendo compatibilidade total. Mudanças como a migração de dados críticos para múltiplas regiões exigiam coordenação entre dezenas de equipes e demoravam dias para serem implementadas.
Diante desse cenário, o Habitat evoluiu para um serviço distribuído. O novo desenho permitiu centralizar o controle de deploys, observabilidade e evolução da plataforma, além de simplificar a implementação de políticas de segurança, caching e roteamento geográfico. A arquitetura atual envolve múltiplas instâncias do serviço Habitat, integradas a recursos como Azure Cosmos DB, caches Valkey, serviços de Change Data Capture (CDC), Databricks, Rockset e Kafka.
Escala e desafios
O Habitat opera atualmente com mais de 70 milhões de requisições por segundo, sustentando produtos que atendem a mais de 1 bilhão de pessoas por semana em quase 40 regiões. O volume de dados gerenciados já supera 500 petabytes. Segundo a OpenAI, o principal desafio não foi apenas atingir essa escala, mas fazê-lo em ritmo acelerado: o crescimento de usuários e dados ultrapassou 10x ao ano por três anos consecutivos, exigindo decisões táticas constantes para evitar gargalos de capacidade enquanto investimentos estruturais eram realizados.
A decisão de manter a camada de serviço em Python também é destacada no post. Apesar de não ser tradicionalmente associada a workloads de infraestrutura de alta performance, a linguagem foi esticada ao limite para suportar confiabilidade e latência compatíveis com os requisitos do ecossistema OpenAI.
O que vem na segunda parte
Este post é o primeiro de uma série. A OpenAI promete detalhar, na próxima publicação, como aprimorou a confiabilidade em multi-tenancy, as estratégias de otimização de leitura em camadas e a ampliação da parceria com a Azure Cosmos DB para absorver picos excepcionais de demanda.
Por que importa
O relato abre uma rara janela sobre os bastidores de infraestrutura de uma das maiores plataformas de IA do mundo. Para times de engenharia e arquitetura no Brasil, a evolução do Habitat reforça a importância de abstrações de armazenamento robustas e do pragmatismo ao escalar stacks não convencionais. O volume de dados e requisições serve como referência para quem projeta sistemas globais — e sinaliza que desafios de crescimento extremo não são exclusivos de Big Techs do Vale do Silício.