CONFIRMADO: a escala virou parte do produto

A OpenAI publicou em 11 de setembro um relato de engenharia sobre o Habitat, sistema que evoluiu de uma biblioteca Python para uma plataforma global de armazenamento. Segundo a empresa, ele atende mais de 1 bilhão de usuários do ChatGPT e sustenta 22 milhões de requisições por segundo. Não é um novo modelo nem uma funcionalidade liberada na interface. É um retrato de como a infraestrutura precisou mudar para acompanhar a popularização do produto.

De biblioteca a plataforma distribuída

O ponto central da história é a transformação de uma peça de software em uma camada operacional de larga escala. O Habitat precisou sair do escopo de uma biblioteca usada por aplicações e assumir responsabilidades de distribuição global, disponibilidade e atendimento de tráfego intenso. A publicação oficial não transforma o sistema em produto aberto, não divulga preço e não promete que empresas externas possam adotá-lo. O valor está na arquitetura e nas decisões de engenharia que a OpenAI escolheu tornar públicas.

O número impressiona, mas não conta tudo

Vinte e dois milhões de requisições por segundo é uma medida de capacidade agregada, não uma promessa de que cada usuário recebe esse volume nem de que todas as operações têm a mesma latência. A OpenAI também não apresenta, no resumo público, detalhes suficientes sobre proporção de leituras e escritas, replicação, consistência, custos ou taxa de falhas. Isso importa porque sistemas de armazenamento reais são julgados pelo conjunto, estabilidade e recuperação, não apenas pelo pico de tráfego.

A comparação independente traz o freio necessário

No mesmo dia, a PlanetScale publicou um teste do Neki, seu banco Postgres distribuído, chegando a 118,5 milhões de consultas por segundo com 512 shards e 1,22 pebibyte de dados. A própria empresa ressalva que o cenário era leitura simples por chave, sem escritas, consultas entre shards, réplicas ou failover. A comparação não mede quem venceu. Ela mostra por que números de escala só fazem sentido quando vêm acompanhados do workload e das condições do teste.

Por que isso interessa às empresas brasileiras

Para uma PME brasileira, a lição não é copiar a arquitetura da OpenAI nem sair comprando infraestrutura. É perceber que agentes, atendimento automatizado, CRM e produtos de conteúdo dependem de armazenamento confiável para histórico, arquivos, permissões e estado de execução. Antes de escalar, vale separar dados quentes e frios, definir limites de retenção, observar custo por operação e testar recuperação. A maioria dos negócios não precisa de milhões de requisições por segundo, mas precisa evitar que crescimento transforme banco, fila ou armazenamento em gargalo silencioso.

A leitura do MaxAssistant

Este lançamento é relevante porque desloca a conversa de IA da camada visível, o modelo, para a camada que sustenta a experiência inteira. O ChatGPT pode parecer um produto de conversa, mas sua escala exige uma plataforma de dados global, com decisões difíceis sobre distribuição, latência e confiabilidade. Meu veredicto: o Habitat não é uma ferramenta que o mercado possa experimentar amanhã, e os números ainda pedem contexto técnico. Mesmo assim, a publicação confirma uma direção importante. A vantagem competitiva dos laboratórios está cada vez mais no sistema completo, não só no modelo mais inteligente.

Fontes

OpenAI, Rapidly scaling online storage to serve over 1 billion ChatGPT users, 11 de setembro de 2026: https://openai.com/index/scaling-storage-one-billion-users-part-one | PlanetScale, 118 million queries per second on Neki, 11 de setembro de 2026: https://planetscale.com/blog/118-million-queries-per-second-on-neki