La popularización de los agentes de programación está cambiando algo que parecía inamovible: cómo se alojan y distribuyen los repositorios Git.
El 2 de noviembre de 2026, OpenAI presentó Pando, el nuevo backend que ya utiliza para el desarrollo de su monorepositorio. No es un lenguaje de programación, un nuevo comando ni un sustituto del cliente Git: es la infraestructura que responde a los push, fetch y clone de ingenieros y agentes.
La decisión revela un cambio importante. Cuando un mismo desarrollador puede encargar trabajo simultáneo a varios agentes Codex, las operaciones de control de versiones dejan de comportarse como tráfico humano convencional.
Las cifras que explican el cambio
OpenAI informa de estos resultados en su despliegue:
- Casi un 80 % menos de latencia mediana de
push(aproximadamente cinco veces más rápido). - Cerca de un petabyte diario de datos Git entregados.
- Más de 57 terabytes de paquetes Git en una hora, con más del 99 % de esos bytes servidos desde caché local.
- Capacidad de saturar enlaces de 10 Gbps durante
cloneyfetchen pruebas con máquinas virtuales convencionales. - Desarrollo de la primera versión en 10 semanas, con Codex participando en la implementación.
Son cifras comunicadas por OpenAI para su propia infraestructura; no son una promesa de que cualquier repositorio público ganará ese rendimiento.
Qué problema estaban resolviendo
En un flujo tradicional, un programador prepara una rama, hace cambios, envía un push y espera a la integración continua. Con agentes, una misma persona puede producir varias ramas listas para pruebas casi al mismo tiempo. Cada envío dispara nuevas descargas en CI y otros entornos.
OpenAI explica que su monorepositorio ya sufría lentitud en descargas y envíos, además de fallos de integración; en algunos momentos la fiabilidad caía por debajo del 90 %.
El cuello de botella no era necesariamente Git como formato o protocolo. Era la forma de servir un repositorio compartido a muchísimos escritores y lectores concurrentes.
El principio de Pando: mantener Git, cambiar el servidor
Pando conserva los comandos y el protocolo Git conocidos. Lo que cambia está detrás:
ingenieros + agentes Codex
|
git push/fetch
|
backend Pando
/ \
metadatos packfiles inmutables
\ /
almacenamiento distribuido
|
caches regionales
|
CI
La arquitectura separa el problema en dos caminos: publicar cambios en ramas y entregar objetos Git a clientes.
1. Los pushes a ramas distintas dejan de bloquearse
En arquitecturas distribuidas habituales, una actualización puede requerir coordinar réplicas completas o modificar un registro global compartido. Así, un push a una rama independiente puede competir con otros.
Pando registra versiones por referencia —por ejemplo, por rama— y utiliza operaciones atómicas sobre el puntero de esa referencia. Dos agentes que trabajan en ramas distintas pueden avanzar en paralelo; si compiten por actualizar la misma rama, la operación debe resolver ese conflicto.
Para conseguirlo adopta consistencia causal, no una fotografía global perfectamente sincronizada de todas las ramas. Un cliente que consulta dos ramas puede ver cada una en instantes distintos. La garantía fuerte importante se preserva a nivel de referencia individual y sus dependencias.
Ese intercambio técnico no se debe ocultar: es una decisión consciente para maximizar la concurrencia.
2. Los fetch reutilizan los paquetes que ya existen
Un servidor Git convencional suele calcular los objetos que faltan a cada cliente y producir un paquete comprimido adaptado a su estado. Multiplicado por muchos agentes y ejecuciones de CI, ese trabajo consume CPU y E/S.
Pando almacena los packfiles enviados durante los pushes y registra qué historia contiene cada uno. Al recibir un fetch, selecciona los paquetes reutilizables necesarios, en lugar de volver a fabricar uno para cada cliente.
También limita deliberadamente qué referencias anuncia al cliente durante el push. Eso puede hacer que algunos envíos transmitan datos redundantes, pero facilita que el servidor reutilice después el paquete sin ambigüedad sobre sus dependencias. OpenAI indica que, en su monorepositorio, el paquete mediano generado con esta estrategia fue inferior a 20 KiB.
La entrega se apoya en Express, un servicio de distribución con cachés regionales. De ahí que tantos clientes puedan descargar los mismos bytes sin repetir el cómputo.
3. La compactación evita miles de descargas diminutas
Reutilizar cada paquete de forma aislada tampoco escala indefinidamente: un cliente atrasado podría necesitar miles de archivos.
Pando agrupa paquetes en segundo plano mediante niveles de compactación, parecidos a los de estructuras LSM. Esto reduce el número de descargas y acelera la selección de los paquetes que cubren la historia solicitada. OpenAI señala que actualmente utiliza coberturas de hasta nivel L4 en su monorepositorio.
La parte más llamativa: Codex también construyó Pando
OpenAI afirma que el núcleo fue diseñado por un solo ingeniero, implementado con equipos de agentes y llevado a producción por un grupo pequeño de ingenieros. La primera carga de producción llegó en abril de 2026.
La implementación es en Rust. Para comprobar su corrección, utilizaron pruebas de conformidad con Git, simulaciones deterministas de concurrencia y formalización mediante Lean y TLA+ asistida por agentes que empleaban GPT-6 Astra.
Esto no significa que los agentes trabajaran sin controles: la publicación describe validación, pruebas y un despliegue gradual como proxy de lectura y escritura sobre el sistema anterior.
La historia es circular: los agentes generaron la necesidad de Pando y también contribuyeron a construirlo.
¿Pando reemplaza GitHub? ¿Se puede instalar?
No necesariamente y, por ahora, no como producto público. Pando es el backend interno de Git en OpenAI; no es una nueva plataforma de colaboración que el anuncio ofrezca para instalación general.
OpenAI indica que explora formas de compartir esta tecnología, pero no anuncia una liberación de Pando como software abierto en la publicación del 2 de noviembre. Sí destaca cambios que ya ha contribuido, o está contribuyendo, al proyecto Git: descargas paralelas, validación y reanudación de paquetes, instrumentación y mejoras del protocolo.
Para un equipo pequeño con GitHub, el beneficio práctico inmediato es aprender del diseño, no migrar de servidor.
La lección para equipos que desarrollan con agentes
El indicador que ahora importa no es solo cuántas líneas produce un agente. Es cuánto trabajo paralelo puede admitir el sistema completo sin saturar las ramas, el servidor de código o la integración continua.
Un equipo puede aplicar la idea a menor escala: ramas independientes por tarea, pruebas aisladas, cachés de dependencias, límites de concurrencia y comprobaciones automáticas antes de integrar. Nada de eso exige instalar Pando.
Pando muestra, sin embargo, hacia dónde se desplaza el problema: cuando la producción de cambios crece gracias a los agentes, la infraestructura de control de versiones pasa a ser una pieza decisiva del rendimiento.
Fuentes
- OpenAI Engineering — Scaling Git at OpenAI (2 de noviembre de 2026) — fuente primaria de arquitectura, cifras y despliegue.
- The New Stack — OpenAI Pando Git backend — cobertura de la noticia.