OpenAI称其模型攻克冷门编程语言，COBOL迁移准确率飙至97.9%

OpenAI于10月20日发布研究报告，宣布增强GPT-6 Astra等模型在COBOL、Fortran和Visual Basic等“低资源编程语言”上的构建与迁移能力。这类语言虽然公开代码和文档较少，却广泛支撑着银行、ATM、天气预报和核安全分析等关键系统。

为衡量这一能力，OpenAI推出了两项评测：MultiLangBench要求模型用20种语言从零构建兼容SQLite的数据库引擎；另一项评测则要求模型在保持原有业务行为不变的情况下，将COBOL程序迁移至C++、Java、Python或Rust等现代语言。

结果显示，GPT-6 Astra在MultiLangBench的20种语言中平均测试通过率达87.4%，较上一代GPT-5.6 Sol的26.8%大幅提升。其中，COBOL通过率从10.9%升至72.1%，Fortran从21.4%升至83.5%，Visual Basic从27.5%升至89.4%。成本更低的GPT-6 Luna平均通过率为40.3%，估算API成本较GPT-5.6 Sol降低约78%。

在更具挑战性的COBOL迁移评测中，GPT-6.1 Sol在低推理强度下准确率达86.6%，远高于GPT-5.6 Sol的5.4%，成本降低39%；在更高推理强度下，准确率达到97.9%，接近评测上限。

OpenAI表示，这项进展有助于企业维护老旧系统、修复缺陷并推进软件现代化。不过，公司也强调，将AI迁移结果用于生产环境仍需专家审查，并结合具体业务规则和依赖关系进行测试。