Il 5 maggio 2026 OpenAI ha pubblicato un paper congiunto con ricercatori di Microsoft, AMD, Broadcom, Nvidia e Intel. Il documento descrive un nuovo protocollo di rete pensato specificamente per cluster di GPU di scala estrema, denominato MRC (Multipath Reliable Connection). Il rilascio è sotto licenza aperta tramite l’Open Compute Project.
Il problema che MRC affronta
I cluster di GPU che servono il training dei modelli frontier hanno raggiunto una dimensione in cui la rete che li interconnette è un collo di bottiglia critico. Due problemi specifici:
- congestione: il traffico tra GPU genera colli di bottiglia che lasciano parti del cluster sotto-utilizzate;
- guasti: in cluster da decine di migliaia di GPU, qualcosa va sempre in down, e oggi il fallimento di un singolo path costringe il job a fermarsi.
Cosa fa MRC
Il protocollo introduce due meccanismi:
- packet spraying: i dati vengono distribuiti su centinaia di percorsi di rete simultaneamente, evitando che un singolo link congestionato diventi il collo di bottiglia. La rete diventa più flat, riducendo il numero di tier e quindi il consumo energetico;
- rerouting in microsecondi: quando un path va giù, MRC lo rileva e devia il traffico in tempi tali da non interrompere il training. Il job continua, anche se parti della rete si guastano.
MRC è integrato con un secondo protocollo, SRv6 (IPv6 Segment Routing), che indica al pacchetto il percorso esatto da seguire senza chiedere agli switch di calcolarlo. Il risultato: meno consumo energetico negli switch, meno calore, meno costo operativo.
Dove gira già
MRC non è un’idea da paper: secondo OpenAI, è già in produzione nei cluster di training più grandi della società. Tra questi, il sito Stargate di Oracle a Abilene (Texas) e i supercomputer Fairwater di Microsoft. È stato usato per il training di GPT-5.5 e di modelli successivi.
La scelta dell’open standard
La specifica viene rilasciata come standard aperto. La motivazione, dichiarata da Mark Handley (networking lead OpenAI) e Greg Steinbrecher (workload lead OpenAI), è di fondo: la frammentazione del settore con protocolli proprietari, ciascuno casa per casa, è un freno per tutta l’industria. Standardizzare significa che le innovazioni di un attore beneficiano gli altri, e che il prezzo del compute scende per tutti.
Per chi guarda alla traiettoria del costo del training, MRC è uno dei tre fattori che spingono il costo unitario al ribasso, insieme alla diversificazione del silicio (vedi nostro pezzo su Anthropic-Fractile) e all’efficienza energetica delle nuove generazioni di chip.
Fonti
OpenAI, «Resilient AI supercomputer networking using MRC and SRv6», paper PDF: cdn.openai.com. Pagina prodotto OpenAI MRC supercomputer networking: openai.com. The Deep View, «OpenAI unveils protocol to stretch compute», 6 maggio 2026.