OpenAI提升低资源编程能力：COBOL迁移准确率达97.9%

OpenAI 近日展示了其大语言模型在 COBOL、Fortran 和 Visual Basic 等低资源编程语言上的最新突破。与 Python、JavaScript 等热门语言相比，这类语言公开的高质量代码与文档稀缺，却构成了全球关键基础设施的核心基石。

目前，COBOL 支撑着全球超过 40% 的网上银行系统、80% 的线下信用卡交易以及 95% 的 ATM 交易；而 Fortran 仍广泛运行在天气预报与核反应堆安全分析等领域。由于原开发者离职、文档残缺以及关键业务规则深埋于旧代码中，老旧系统的维护和现代化迁移向来困难重重。大语言模型在此类任务中往往表现不佳，难以确保重构前后系统行为的严格一致。

为此，OpenAI 构建了两项全新评测基准，全面检验模型构建全新软件与迁移遗留系统的能力：

1. MultiLangBench：测试模型能否分别使用 20 种不同的编程语言，从零构建一套兼容 SQLite 的数据库引擎。
2. COBOL 迁移评测：测试模型能否在保持逐字节行为完全一致的前提下，将老旧 COBOL 程序迁移至 C++、Java、Kotlin、Python 或 Rust。

测试数据显示，新一代模型在准确率和成本效益上均实现了跨越式提升。

从零构建 SQLite：MultiLangBench 基准

MultiLangBench 要求模型在单次长时间编程会话中组织代码库、管理状态并处理错误。评测以数据库文件作为通用接口，通过传入 SQL 查询并核对输出数据库的一致性，确保所有编程语言均采用同一套严格标准。

在最高推理强度下，GPT-6 Astra 在 20 种语言中的平均测试通过率达到了 87.4%，远超此前 GPT-5.6 Sol 的 26.8%：

• COBOL：通过率从 10.9% 提升至 72.1%；
• Fortran：从 21.4% 跃升至 83.5%；
• Visual Basic：从 27.5% 升至 89.4%；
• OCaml：从 25.6% 提升至 85.8%。

在受测的 20 种语言中，GPT-6 Astra 在其中 19 种上的得分均超过 83%。此外，主打高性价比的 GPT-6 Luna 平均通过率达到 40.3%，不仅性能优于 GPT-5.6 Sol，其平均 API 样本成本更是从 3.48 美元降至 0.77 美元，成本降幅达 78%。

OpenAI 已在 GitHub 上开源了 MultiLangBench 的评测配置与测试套件。

精准迁移 COBOL 代码库

迁移金融类遗留系统时，对精度有着极严苛的要求。例如，COBOL 的定点运算默认会直接截断多余小数位，除非显式指定舍入；一旦重写代码引入普通舍入逻辑，即便程序运行无误，也会导致账务核算偏差。

在 COBOL 迁移评测中，系统使用隐藏测试集并要求输出逐字节完全一致：

• 在低推理强度下，GPT-6.1 Sol 的迁移准确率达到 86.6%，而相同设置下的 GPT-5.6 Sol 仅有 5.4%，同时 API 调用成本还降低了 39%；
• 在更高推理强度下，GPT-6.1 Sol 的迁移准确率高达 97.9%，几乎触及评测上限。

这些进展表明，AI 模型正在快速掌握复杂的全流程软件工程技能——涵盖理解未知代码仓库、规划跨语言重构、调用构建工具排错调试等环节，将为全球庞大的传统软件生态注入前所未有的现代化动力。