OpenAI模型补课 老语言通过率87％
报价宝综合消息OpenAI模型补课 老语言通过率87％
全世界的银行ATM还在跑COBOL，但会写它的程序员快要退休完了。OpenAI 10月19日发布研究公告：其新模型在COBOL、Fortran这类「低资源」编程语言上的能力大幅跃升——这些语言的训练语料稀少，却支撑着全球关键基础设施：COBOL撑着超过40％的网上银行系统、80％的线下刷卡交易和95％的ATM取款，Fortran则守着天气预报和核反应堆安全分析。
第一项考验是「从零造库」。OpenAI的MultiLangBench让模型用20种语言从零构建一个SQLite兼容的数据库引擎，并用参考实现逐项验证。旗舰模型GPT-6 Astra在20种语言上平均测试通过率87.4％，是上一代GPT-5.6 Sol（26.8％）的三倍多，其中19种语言得分超过83％；最难啃的还是COBOL，通过率72.1％。低价模型GPT-6 Luna平均40.3％，但每样本API成本仅0.77美元，比基线便宜约78％。
第二项考验更苛刻：把存量COBOL程序迁移到C++、Java、Kotlin、Python或Rust，且输出必须与原程序逐字节一致。COBOL的定点运算默认丢弃多余小数位，重写时若随手四舍五入，程序能正常运行，账却算错了。GPT-6.1 Sol在低推理强度下通过率86.6％（成本仅为原来的61％），拉满推理强度后达97.9％，而上一代只有5.4％。
评测套件已在GitHub开源。OpenAI同时提醒：行为保持能力对老系统的维护和现代化确实有用，但用到生产环境前仍需专家审查、并针对系统业务规则与依赖充分测试——毕竟银行系统算错一分钱都不是小事。
编译自 OpenAI，原标题："Advancing coding in low-resource programming languages"
