OpenAI przepisało w drugim kwartale 2026 roku swoją wewnętrzną platformę danych Habitat z Pythona na Rusta, a nowa wersja obsługuje już 95 proc. ruchu produkcyjnego firmy. Migracją zajęło się dwóch inżynierów wspieranych przez Codex i GPT-5.5, a według danych OpenAI usługa w Ruście zużywa sześć razy mniej CPU i piętnaście razy mniej pamięci niż wersja pythonowa.
- Dwóch inżynierów OpenAI wspieranych przez Codex i GPT-5.5 przepisało platformę danych Habitat z Pythona na Rusta w Q2 2026 roku, a nowa wersja zużywa sześć razy mniej CPU i piętnaście razy mniej pamięci niż poprzednia.
- Habitat obsługuje ponad 70 mln zapytań na sekundę, przechowuje ponad 500 petabajtów danych i działa w niemal 40 regionach geograficznych, a w szczytowym momencie wersja pythonowa obsługiwała ponad 20 mln zapytań na sekundę.
- OpenAI świadomie odłożyło migrację na rok, licząc na dojrzenie własnych modeli kodujących, i opisuje tę decyzję jako celowo zaciągnięty dług techniczny, który określa jako trafny zakład.
Informacje pochodzą z wpisu opublikowanego 11 września 2026 roku na blogu inżynieryjnym OpenAI przez Jona Lee, Chaomina Yu i Bena Riesa, członków zespołu technicznego firmy. To pierwsza z dwóch zapowiedzianych części opisujących skalowanie warstwy danych.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Rust obsługuje 95 proc. ruchu, Python zostanie wyłączony w najbliższych tygodniach
Habitat w wersji rustowej odpowiada dziś na 95 proc. produkcyjnych zapytań, a OpenAI zapowiada całkowite wycofanie Pythona w ciągu najbliższych tygodni. Poza niższym zużyciem zasobów firma raportuje wyraźnie niższe opóźnienia średnie i ogonowe, czyli te dotyczące najwolniejszych zapytań.
Skala, na której to się dzieje, tłumaczy determinację zespołu. Habitat był w OpenAI drugą usługą pod względem liczby zajmowanych rdzeni procesora i czwartą pod względem rozmiaru wdrożenia Envoy. W szczytowym momencie wersja pythonowa obsługiwała ponad 20 mln zapytań na sekundę.
Decyzja o pozostaniu przy Pythonie przez rok była świadoma. OpenAI pisze wprost, że potraktowało to jako celowo zaciągnięty dług techniczny i liczyło na to, że własne modele kodujące zdążą dojrzeć, zanim migracja stanie się konieczna.
„Ten zakład ostatecznie okazał się trafny” / „That bet eventually proved correct.”
Zespół nie podaje, ile czasu zajęły przeglądy kodu, testy ani stopniowe przełączanie ruchu na nową usługę.
Habitat urósł z biblioteki Pythona do systemu na 500 petabajtów
Habitat obsługuje dziś ponad 70 mln zapytań na sekundę, przechowuje ponad 500 petabajtów danych i działa w niemal 40 regionach geograficznych, wspierając produkty, z których według OpenAI korzysta tygodniowo ponad miliard osób. Platforma powstała w połowie 2024 roku jako niewielka biblioteka Pythona współpracująca z głównym serwerem ChatGPT i pojedynczą bazą danych.
Pomysł był prosty: inżynierowie produktowi nie powinni zajmować się zarządzaniem bazą danych. Habitat bierze na siebie wyszukiwanie schematu, routing, autoryzację, szyfrowanie, serializację, kształtowanie zapytań i zarządzanie pulą połączeń. Pod spodem siedzą Azure Cosmos DB, wewnętrzny magazyn Nanobase, cache oparty na Valkey oraz blob storage.
W połowie 2025 roku model biblioteki się wyczerpał. Każda zmiana protokołu wymagała skoordynowanego wdrożenia u kilkudziesięciu zespołów. OpenAI opisuje przypadek, w którym migracja najważniejszych zbiorów danych do rozproszonych regionalnie kont Azure Cosmos DB ciągnęła się dniami, a po włączeniu flagi funkcyjnej jeden z zespołów wycofał swoją usługę do starszej, wadliwej wersji klienta i wywołał dokładnie tę awarię, której cała operacja miała zapobiec. Wtedy zapadła decyzja o wydzieleniu Habitata do osobnej usługi.
Tempo wzrostu jest tu osobnym wątkiem. OpenAI podaje, że przez ostatnie trzy lata rosło ponad dziesięciokrotnie rok do roku, podczas gdy typowy zespół infrastrukturalny projektuje system na dziesięciokrotny wzrost i liczy, że wystarczy on na kilka lat.
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Python przy tej skali zawodził w nieoczywistych miejscach
Największym problemem nie była surowa wydajność Pythona, tylko opóźnienia ogonowe wynikające z zatkanej pętli zdarzeń asyncio. Asyncio pozwala na współbieżność operacji wejścia-wyjścia, ale nie omija blokady GIL i nie daje równoległości obliczeniowej, a Habitat wykonuje sporo pracy procesora: routing, kompresję, szyfrowanie, sumy kontrolne, kopiowanie zapytań w tle i sprawdzanie kondycji usług zależnych.
Zespół opisuje cztery konkretne pułapki:
- Opóźnienie planisty asyncio. Przy wysokim obciążeniu nawet umiarkowana liczba równoczesnych zapytań na proces powodowała rozjazd między planowanym a faktycznym czasem wykonania zadań, sięgający setek milisekund, a w skrajnych przypadkach kilku sekund. Rozwiązaniem było ograniczenie liczby zapytań na proces i zwielokrotnienie liczby procesów roboczych.
- Konfiguracja flag funkcyjnych w Statsig. Narzędzie domyślnie odpytywało o konfigurację co minutę, bez rozrzutu czasowego, a plik zawierał reguły produkcyjne wszystkich usług. Ponieważ na jednym podzie działało do ośmiu procesów Pythona, co minutę wszystkie naraz przerywały obsługę zapytań, żeby parsować ten sam wielki JSON.
- Pula połączeń w kolejności LIFO. Domyślne zachowanie TCPConnector z biblioteki aiohttp polega na sięganiu po ostatnio zwolnione połączenie. Przy nagłym skoku ruchu przeciążone procesy oddawały połączenia najpóźniej i przez to dostawały coraz więcej pracy. OpenAI opisuje to jako awarię metastabilną: część procesów pozostawała zdegradowana długo po ustaniu ruchu, a niektóre obsługiwały od pięciu do dziesięciu razy więcej równoczesnych zapytań niż średnia. Zmiana na kolejkę FIFO przerwała tę pętlę.
- Zalewanie usług zależnych. Duża liczba procesów oznacza dużą liczbę połączeń. Zwykłe codzienne wdrożenie potrafiło wygenerować lawinę cyklowania połączeń, a wyciek połączeń nasycał bramę NAT. Dziś Envoy podnosi połączenia HTTP/1 do HTTP/2, multipleksuje je i wydłuża ich życie, a Istio odpowiada za równoważenie obciążenia.
Przez ostatni rok słyszeliśmy dziesiątki deklaracji o tym, że modele piszą kod produkcyjny. Tutaj dostajemy konkret z nazwiskami i liczbami: druga pod względem zużycia rdzeni usługa w OpenAI, przepisana w jednym kwartale przez dwie osoby korzystające z Codeksa i GPT-5.5.
Traktuję ten wynik ostrożnie i uważam, że każdy powinien. OpenAI opisuje skuteczność własnych narzędzi we własnym blogu rekrutacyjno-inżynieryjnym, nie podaje, ile osobogodzin pochłonęły przeglądy kodu i testy, i nie mówi nic o tym, ile razy trzeba było się cofnąć. Sześciokrotny zysk na CPU przy przejściu z Pythona na Rusta nie jest zresztą niczym zaskakującym. Zaskakujące jest to, ile osób wystarczyło.
Najciekawszy jest dla mnie sam mechanizm decyzji. Zespół świadomie zaciągnął dług techniczny, wiedząc, że przy stukrotnie większej skali Python będzie nie do utrzymania, i spłacił go dopiero wtedy, gdy narzędzia do spłaty potaniały. To zakład na własny produkt, który tym razem wyszedł. Gdyby modele kodujące rozwijały się wolniej, OpenAI zostałoby z Pythonem obsługującym 20 mln zapytań na sekundę i rachunkiem za rdzenie, którego nikt nie planował. Dla mniejszych zespołów płynie z tego wniosek mniej efektowny, ale praktyczniejszy niż „przepiszcie wszystko w Ruście”: dług techniczny warto zaciągać świadomie i z datą spłaty, a nie przypadkiem.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Habitat celowo nie pozwala pisać skomplikowanych zapytań
Jednym z powodów, dla których Python wytrzymał tak długo, było ograniczone API Habitata. Platforma wystawia proste API NoSQL zamiast pozwalać klientom budować dowolne zapytania SQL, które mogłyby skończyć się skanowaniem całych tabel albo złączeniami wielu tabel naraz. OpenAI nazywa brak potężnego API świadomym kompromisem projektowym.
Przed Habitatem większość danych operacyjnych OpenAI leżała w Postgresie. Dopóki zespół był mały, dało się przeglądać każdą zmianę zapytania i schematu przed wdrożeniem. Wraz ze wzrostem liczby produktów przestało to działać i pojedyncze kosztowne zapytanie na gorącej ścieżce regularnie kładło bazę.
Model danych Habitata opiera się na obiektach i krawędziach definiowanych przez klienta, a inspiracją był TAO, opisany w 2013 roku rozproszony magazyn grafu społecznościowego Facebooka. Relacje przypominają graf, ale Habitat nie obsługuje typowych przejść po grafie poza odpytywaniem bezpośrednich krawędzi obiektu. Każdy obiekt razem ze swoimi krawędziami trafia do jednej partycji, co ułatwia skalowanie poziome, ale sprawia, że skok między obiektami może wymagać sięgnięcia do dwóch różnych kont Azure Cosmos DB w różnych regionach.
Zespoły, które potrzebują złożonych zapytań, dostają osobne wyjście: strumień zmian (CDC) przesyła dane do odizolowanych instancji Rockset, a każdy zespół sam skaluje swoją instancję. Rockset nie jest tu przypadkowym wyborem. OpenAI kupiło tę firmę 21 czerwca 2024 roku, w swojej pierwszej przejętej spółce, żeby wzmocnić infrastrukturę wyszukiwania danych w produktach.
Miliard aktywnych użytkowników OpenAI potwierdziło 31 lipca 2026 roku
Liczba „ponad miliard osób tygodniowo” z wpisu o Habitacie wymaga doprecyzowania. OpenAI ogłosiło przekroczenie miliarda aktywnych użytkowników 31 lipca 2026 roku i zaznaczyło, że wynik obejmuje wszystkie interfejsy firmy, głównie ChatGPT, ale też Codex i ChatGPT Work, oraz ponad dwa miliony firm.
Ostatnia oficjalna liczba dotycząca samego ChatGPT to 900 mln użytkowników tygodniowo, ogłoszona 27 lutego 2026 roku razem z informacją o 50 mln płacących subskrybentów. Wcześniejsze punkty odniesienia to 800 mln w październiku 2025 roku i 400 mln w lutym 2025 roku. Według doniesień amerykańskich mediów firma spodziewała się przekroczyć miliard już pod koniec 2025 roku i osiągnęła ten próg z około siedmiomiesięcznym opóźnieniem, przy rosnącej presji ze strony Google i Anthropic.
Zestawienie tych liczb z danymi o Habitacie pokazuje, jaka jest stawka. Przy 70 mln zapytań do magazynu danych na sekundę i setkach wywołań bazy przypadających na jedno żądanie użytkownika, najwolniejsze z tych wywołań decyduje o tym, czy ChatGPT wydaje się szybki.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Co to oznacza dla polskich firm i użytkowników
Dla polskiego czytelnika istotny jest ten fragment architektury Habitata, o którym OpenAI pisze najmniej: warstwa umiejscowienia danych i rezydencji. To ona decyduje, w którym regionie fizycznie leżą dane konkretnego klienta, a przy niemal 40 regionach geograficznych i rozproszonych kontach Azure Cosmos DB nie jest to detal.
OpenAI udostępnia rezydencję danych w spoczynku między innymi dla Europy (EOG), a uprawnieni klienci ChatGPT Enterprise i Edu mogą też objąć nią samą inferencję modelu. To realny argument w rozmowach o zgodności z RODO, które prowadzi dziś każdy polski dział prawny rozważający wdrożenie ChatGPT w organizacji. Habitat jest tym miejscem, w którym takie reguły są egzekwowane centralnie, razem z kontrolą dostępu i logowaniem audytowym.
Skala polskiego rynku sprawia, że nie jest to temat niszowy. Według badania Mediapanel PBI/Gemius liczba użytkowników ChatGPT w Polsce wzrosła z 3,6 mln w styczniu 2025 roku do 10,2 mln w październiku 2025 roku, co oznaczało co trzeciego polskiego internautę w wieku od 7 do 75 lat. Każda z tych osób przy każdym logowaniu i każdej nowej rozmowie uruchamia serię zapytań do dokładnie tego systemu, który OpenAI właśnie przepisało na Rusta.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym wpisu inżynieryjnego OpenAI „Rapidly scaling online storage to serve over 1 billion ChatGPT users” z dnia 11.09.2026, komunikatu OpenAI o przejęciu Rockset z dnia 21.06.2024 oraz TechCrunch.
Dane o liczbie użytkowników ChatGPT w Polsce pochodzą z badania Mediapanel PBI/Gemius, cytowanego przez Press.pl. Informacje o rezydencji danych zweryfikowano w centrum pomocy OpenAI. Dane o przekroczeniu miliarda aktywnych użytkowników 31 lipca 2026 roku pochodzą z komunikatu OpenAI relacjonowanego przez agencję AP.
Cytat zespołu Habitata został zweryfikowany z oryginalnym anglojęzycznym materiałem źródłowym.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o architekturze magazynu danych OpenAI, w tym po publikacji drugiej części materiału poświęconej warstwie Azure Cosmos DB.
