Двоє інженерів, Codex і міграція важливого внутрішнього сервісу з Python на Rust — так OpenAI описала один з етапів масштабування своєї інфраструктури. Історія цікава тим, що йдеться про робочу систему під великим навантаженням.
Розберемо підтверджені заяви компанії та практичні висновки для команди, яка думає про власну міграцію. Це аналіз публічного кейсу, а не незалежний аудит інфраструктури OpenAI. Першоджерело опубліковане 11 вересня 2026 року; перевірено 15 вересня.
Що сталося з Habitat
У технічній публікації OpenAI описано внутрішній сервіс Habitat і роботу над його масштабуванням. За словами компанії, у другому кварталі 2026 року двоє інженерів із Codex та GPT-5.5 переписали сервіс на Rust.
На дату публікації нова реалізація обробляла 95% виробничих запитів. OpenAI також повідомила про шестикратне покращення ефективності використання CPU та п’ятнадцятикратне — пам’яті порівняно з попередньою Python-версією. Це результати конкретної реалізації за даними самої компанії.
Чого ці числа не доводять
З такого кейсу не випливає, що будь-яка програма після переписування на Rust стане швидшою в шість разів. На результат впливають архітектура, характер запитів, бібліотеки, робота з пам’яттю й попередні вузькі місця.
Кількість інженерів також не описує весь накопичений контекст: знання системи, наявні тести, інфраструктуру та процес перевірки. Для власного проєкту корисно запитати, які передумови вже є у вашої команди.
Яку роль може виконувати Codex під час міграції
Агент для програмування може допомагати читати код, готувати зміни й працювати з перевірками. Але прийнятність нової реалізації визначається поведінкою системи та вимогами проєкту, а не лише тим, що код компілюється.
Практичні задачі варто формулювати вузько: пояснити контракт модуля, перелічити крайні випадки або запропонувати перенесення окремого компонента. Повноваження на зміну робочого середовища задавайте окремо. Про роботу агентного середовища є більше в огляді ChatGPT Work.
З чого почати власну міграцію
- Виміряйте поточний стан: затримку, помилки, споживання CPU й пам’яті.
- Опишіть контракт: входи, виходи та очікувану поведінку при помилці.
- Зберіть характерні сценарії та крайні випадки.
- Перенесіть невеликий ізольований компонент.
- Порівняйте обидві реалізації на однаковому навантаженні.
- Погодьте поступове ввімкнення й спосіб повернення до попередньої версії.
Це рекомендований план оцінювання, а не переказ внутрішнього процесу OpenAI. Він допомагає перетворити новину на перевірювану інженерну задачу.
Приклад завдання для агента
Проаналізуй цей модуль без змін у коді. Опиши його зовнішній контракт, залежності та обробку помилок. Запропонуй перевірки, які дозволять порівняти поточну реалізацію з майбутньою версією іншою мовою. Не припускай покращення швидкості без вимірювання. Окремо назви дані, яких бракує для висновку.
Після аналізу можна погоджувати конкретну зміну. Принципи постановки задач розібрано в гайді з промптів. Для технічного читача документація Agents API дає контекст керування сесіями й інструментами власного агента.
Коли переписування може бути зайвим
Якщо головна затримка виникає через запит до бази даних або зовнішній сервіс, зміна мови сама по собі може не розв’язати проблему. Спершу потрібне вимірювання. Врахуйте також ціну підтримки, навчання команди й ризик зміни поведінки.
Кейс Habitat показує можливий масштаб роботи з агентом у команді, яка знає свою систему. Для невеликого проєкту найкорисніший наступний крок — знайти одне виміряне вузьке місце й перевірити обмежене покращення. Інший приклад застосування Codex є в матеріалі про loveholidays.
