Como a OpenAI escalou o armazenamento para 1 bilhão de usuários do ChatGPT: o que é o Habitat

Em 11 de setembro de 2026, a OpenAI publicou a primeira parte de um relato técnico sobre como escalou seu armazenamento online para mais de 1 bilhão de usuários do ChatGPT. Fonte primária: Rapidly scaling online storage to serve over 1 billion ChatGPT users, publicado em 2026-09-11, observado em 2026-09-11 19:44 UTC.

O centro é o Habitat: segundo a OpenAI, nasceu como biblioteca Python e virou plataforma de armazenamento globalmente distribuída, para 22 milhões de requisições por segundo. O excerto oficial sustentado diz, em tradução nossa: a OpenAI evoluiu o Habitat de biblioteca Python para plataforma global atendendo 1 bilhão de usuários do ChatGPT e 22 milhões de requisições por segundo. É a parte um — leia como ponto de partida, não como arquitetura final.

Por que armazenamento virou assunto de produto

Para quem lê no Brasil, o que importa é o efeito. Conversa, memória, arquivos, imagens e dashboards no ChatGPT Work só continuam rápidos com milhões de pessoas ao mesmo tempo se leitura e escrita aguentarem o pico. Quando a fila de escrita trava, o sintoma aparece na interface: resposta lenta, anexo que não carrega, histórico que demora a abrir. Armazenamento, aqui, é produto.

É por isso que a sequência de pautas desta semana conversa entre si. O Agente de Dados no ChatGPT Work promete dashboards em linguagem natural sobre fontes aprovadas; o contrato de data center em Ohio com garantia da Nvidia mostra a camada física dessa aposta. O Habitat é a camada do meio: o software que precisa ligar uma ponta à outra sem quebrar sob pico.

O que se sabe — e o que este texto não afirma

Este explicador usa somente o que o excerto oficial sustenta: escala de 1 bilhão de usuários, 22 milhões de requisições por segundo, origem como biblioteca Python, destino como plataforma globalmente distribuída, primeira parte de uma série. Não afirmamos neste texto linguagem final, fornecedor de banco de dados ou volume total em petabytes — isso exige leitura integral do original. A OpenAI anuncia parte dois.

Se você viu por aí números como 70 milhões de requisições, 500 PB, migração para Rust, Statsig, aiohttp, Envoy ou Cosmos DB ligados a este relato, trate como verificação pendente, não como fato deste artigo. Registre data de publicação versus data de observação ao citar números: o sinal oficial é de 11/09/2026, observado no mesmo dia via CodeHub.

Checklist ilustrativo para devs — para comparar com seu sistema

Exemplo trabalhado, não experimento realizado: use estes cinco pontos para comparar fila e cache do seu próprio sistema com a ideia geral do relato.

1. Adie o que trava a resposta; meça p95/p99, não média. A média esconde o pico que o usuário sente.
2. Revise pooling e ordem de reuso sob pico. Conexão ociosa na hora errada vira fila na hora cheia.
3. Agregue chamadas no edge antes de espalhar para o storage. Menos idas ao núcleo, menos contenção.
4. Separe metadados quentes de blobs frios. O que responde lista e busca não deve disputar disco com arquivo pesado.
5. Registre data de publicação vs. data de observação ao citar números. Arquitetura evolui; número sem data vira mito.

Por que agora

Sinal oficial de 11/09/2026, observado no mesmo dia via CodeHub. Se você opera produto com IA no Brasil, vale ler o original abaixo e comparar fila e cache — e separar esta pauta de infraestrutura da pauta de criação: o tutorial de ChatGPT Images 2.5 trata de esboço e edição, outro problema, outra camada.

Leia também Negócios, Guias de IA e o Glossário.

Fontes datadas: OpenAI News, Rapidly scaling online storage to serve over 1 billion ChatGPT users, 2026-09-11, https://openai.com/index/scaling-storage-one-billion-users-part-one (observado 2026-09-11 19:44 UTC); página inicial Jornal da IA, 2026-09-12, https://jornaldaia.com/. Nenhuma imagem ou texto da OpenAI foi copiado.