Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
openai2. November 2026 · Q002923

Scaling Git at OpenAI

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI berichtet, Pando skaliere Git für parallele Entwicklung, indem es Branches unabhängig aktualisiert und Packfiles über Caches wiederverwendet. Das Unternehmen nennt deutlich schnellere Pushes und hohe Zuverlässigkeit, räumt aber ein, dass mehrere Branches beim Lesen keinen gemeinsamen zeitgleichen Stand garantieren; die Vergleichssimulation sei kein Produktionsbenchmark.

Mittel

OpenAI beschreibt Pando als Git-Backend für das stark gewachsene Monorepo und die durch Codex verstärkte parallele Entwicklungsarbeit. Das System soll Pushes auf unabhängige Branches parallel verarbeiten und gespeicherte Packfiles für viele Fetches wiederverwenden. Dafür akzeptiert es, dass Lesezugriffe auf mehrere Branches keinen einheitlichen zeitgleichen Repository-Stand garantieren; die Aktualisierung einzelner Branches bleibt geordnet. Regionale Caches und Hintergrundverdichtung sollen Downloads beschleunigen und die Zahl nötiger Packs verringern.

Der Bericht vergleicht Pando mit Replikaten samt Drei-Phasen-Commit und einem gemeinsamen Write-ahead-Log. Eine Simulation mit 1.000 Schreibern ist laut Autoren ein synthetisches Lehrmodell, kein Produktionsbenchmark. OpenAI gibt an, die mediane Push-Latenz nahezu verfünffacht verbessert beziehungsweise um fast 80 Prozent gesenkt zu haben. Für 37 Werktage nennt der Text 99,99 Prozent Post-Merge-Zuverlässigkeit sowie nahezu ein Petabyte ausgelieferte Git-Daten täglich. Das sind Unternehmensangaben, keine unabhängige Auswertung. Pando sei in zehn Wochen mit Codex entwickelt worden. OpenAI habe zugleich Git-Verbesserungen beigesteuert und prüfe, wie die Technologie weiteren Nutzern zugänglich gemacht werden könnte.

Ausführlich lesen

Der Bericht beschreibt Pando, ein von OpenAI entwickeltes Backend für Git-Repositories. Anlass sei das starke Wachstum des Monorepos und die zusätzliche parallele Entwicklungsarbeit durch Codex gewesen: Mehr Branches, Pushes, Merges, Fetches und Klone hätten die bisherigen Systeme zunehmend belastet. OpenAI berichtet von langsamen Übertragungen, fehlgeschlagenen Merges und zeitweise unter 90 Prozent liegender Zuverlässigkeit. Pando sei ohne Unterbrechung der Entwicklungsarbeit eingeführt worden und unterstütze weiterhin das vertraute Git-Protokoll und die üblichen Arbeitsabläufe.

Das System soll zugleich viele unabhängige Schreibvorgänge und sehr viele Lesezugriffe bewältigen. Dazu koordiniert es Änderungen pro Branch, sodass Pushes auf verschiedene Branches parallel verarbeitet werden können. Diese Entscheidung lockert die Konsistenz über das gesamte Repository: Wer mehrere Branches liest, erhält nicht zwingend einen gemeinsamen, zeitgleichen Stand. Für einzelne Referenzen bleibe die Aktualisierung dagegen geordnet. Außerdem speichert Pando eingehende Packfiles in einem Blob-Speicher und verwendet sie für spätere Downloads wieder, statt für jeden Client ein eigenes Paket zu berechnen. Bei Fetches wählt es anhand der vorhandenen und gewünschten Commits passende gespeicherte Packs aus. Regionale Caches sollen die Auslieferung beschleunigen; Hintergrundverdichtung fasst kleinere Packs zusammen und erleichtert die Suche nach den benötigten Daten.

Der Bericht stellt Pando zwei modellierten Ansätzen gegenüber: vollständigen Replikaten mit Drei-Phasen-Commit und einem gemeinsamen Write-ahead-Log in Objektspeicher. Nach der Darstellung von OpenAI können beim ersten Ansatz Abstimmungen zwischen Replikaten Pushes verzögern; beim zweiten konkurrieren Änderungen an einem gemeinsamen Manifest, während Replikate neue Packs einlesen müssen. Eine interaktive Simulation mit 1.000 Schreibern und insgesamt 10.000 Pushes vergleicht die Ansätze unter verschiedenen Hardwarebedingungen. Die Autoren betonen ausdrücklich, dass diese Simulation ein synthetisches Lehrmodell und kein Produktionsbenchmark ist. Sie berichten, dass Pando in der Simulation auch bei vielen parallelen Schreibern leistungsfähig bleibe.

Als Produktionswerte nennt OpenAI eine nahezu fünffache Verringerung der medianen Push-Latenz beziehungsweise eine Reduktion um fast 80 Prozent. Nach 37 Werktagen habe die Post-Merge-Zuverlässigkeit 99,99 Prozent betragen. Pando liefere nahezu ein Petabyte Git-Daten pro Tag und habe in einer Stunde mehr als 57 Terabyte an Packs bereitgestellt; über 99 Prozent dieser Bytes seien aus lokalem Festplattencache gekommen. Für Klone und Fetches mit Standard-Cloud-VMs gibt der Bericht an, 10-Gbit/s-Verbindungen auszulasten. Diese Zahlen sind Angaben des Unternehmens; der Text legt keine unabhängige Prüfung vor.

Pando sei innerhalb von zehn Wochen mit Unterstützung von Codex entwickelt und zunächst als Lese- und Schreib-Proxy eingeführt worden. Zur Qualitätssicherung nennt OpenAI Git-Konformitätstests, deterministische Simulationen sowie formale Arbeit mit Lean und TLA+. Außerdem habe das Unternehmen Verbesserungen am Git-Client und am `packfile-uri`-Verfahren an das Open-Source-Projekt zurückgegeben. Der Bericht beschreibt OpenAI als derzeitigen produktiven Nutzer und sagt, das Unternehmen prüfe, wie die Technologie mit weiteren Nutzern geteilt werden könnte. Damit bleiben sowohl die gelockerte Konsistenz über verschiedene Branches als auch die noch offene breitere Verfügbarkeit zentrale Einschränkungen.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Stufen 4 bei SF-A3, SF-P3 und SF-T3 sowie 3 bei SF-A3-T01 sind überhöht, weil der Bericht ein Git-Infrastrukturthema behandelt und keine Sicherheitsbewertung von KI-Interaktionen enthält. Die Anteilswerte sind im Schema nicht vorgesehen und wurden nicht übernommen. Beurteilt wurde die mittlere Zusammenfassung; die kurze Fassung ist ebenfalls im Kern treu, lässt aber Produktionsdaten und die Architekturvergleiche aus.

Im Bericht, aber nicht in der Zusammenfassung

  • Pando bedient seit April des Berichtsjahres Produktionsverkehr
  • Umsetzung in Rust ohne Altlasten, Konformitätstests und formale Prüfung mit Lean und TLA+
  • Zuverlässigkeit von Merges und Pushes fiel zeitweise unter 90 Prozent, Ausgangspunkt der Neuentwicklung
  • Trade-off beim Advertising nur des Trunks: Median-Packfile unter 20 KiB, 99. Perzentil unter 3 MiB

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Die Aussage, die Zahlen seien reine Unternehmensangaben ohne unabhängige Auswertung, steht so nicht im Bericht und ist eine eigene Einordnung

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
  1. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 28 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
Unabhängig prüfen
  1. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 61 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 35 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 58 %einzelne zitierbare Belege
    • JEV 46 %einzelne zitierbare Belege
    • amos 26 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 27 %nur am Rande erwähnt
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 36 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 38 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Agenten und vernetzte Systeme
  1. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 65 %einzelne zitierbare Belege
    • JEV 28 %einzelne zitierbare Belege
    • amos 30 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-A3-T01 Welche Beobachtungen oder gemeinsamen Tests erkennen entstehende Abstimmung, Absprachen oder Kettenfehler zwischen Modellen in Arbeitsabläufen, Lieferketten und Gruppen vieler Agenten (Schwärmen), die kein einzelnes Labor steuert oder vorhersieht? Luna: Stufe 3 · 35 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 54 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →