OpenAI称其新模型在COBOL迁移测试中准确率达86.6%

OpenAI于2026年10月19日发布研究进展，宣布其最新模型在低资源编程语言（如COBOL、Fortran、Visual Basic）的代码生成与迁移能力上取得实质性突破。这些语言虽在互联网上可用代码较少，但支撑着全球超过40%的在线银行系统、80%的信用卡交易以及气象预报和核安全分析等关键基础设施。

为衡量这一进展，OpenAI开发了两项专用评估工具。第一项是MultiLangBench，要求模型从零开始构建一个兼容SQLite的数据库引擎，涵盖20种不同编程语言。数据显示，GPT-6 Astra在该测试中的平均测试通过率达到87.4%，较GPT-5.6 Sol的26.8%大幅提升。其中，COBOL语言的通过率从10.9%跃升至72.1%，Fortran从21.4%提升至83.5%。另一款低成本模型GPT-6 Luna也实现了40.3%的平均通过率，API成本比前代降低约78%。

第二项评估专注于COBOL代码迁移，测试模型能否将现有COBOL程序转换为C++、Java或Python等现代语言，同时严格保持原有业务逻辑和行为一致性。由于COBOL常用于处理金融交易，其定点算术规则（如默认截断小数位而非四舍五入）对结果影响巨大。OpenAI称，GPT-6.1 Sol在低推理强度下的迁移准确率达到86.6%，而前代GPT-5.6 Sol仅为5.4%；在高推理强度下，准确率接近饱和，达到97.9%。

OpenAI表示，这些改进旨在帮助团队维护和现代化那些依赖旧系统的软件，解决文档不全、原始开发者离职等痛点。公司已在GitHub开源MultiLangBench评估设置及测试套件，供开发者验证特定语言的性能缺口。尽管模型表现提升，OpenAI强调在实际生产环境中应用此类自动迁移技术时，仍需结合专家审查和业务规则测试。