OpenAI发布低资源编程语言研究报告，COBOL迁移准确率大幅提升 - 果核剥壳

10月21日消息，OpenAI公司于10月20日发布研究报告，宣布增强了GPT-6 Astra等模型在COBOL、Fortran、Visual Basic等"低资源编程语言"上的构建和迁移能力。这类语言虽然公开代码和文档较少，却广泛支撑银行、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COBOL迁移评测则要求模型在保持原有业务行为不变的前提下，将COBOL程序迁移至C++、Java、Kotlin、Python、Rust等语言。

在MultiLangBench的20种语言测试中，GPT-6 Astra平均测试通过率达87.4%，较GPT-5.6 Sol的26.8%大幅提升。其中COBOL从10.9%升至72.1%（仍为最难语言），Fortran从21.4%升至83.5%，Visual Basic从27.5%升至89.4%，OCaml从25.6%升至85.8%；Astra在其余19种语言中的得分均超过83%。成本更低的GPT-6 Luna平均通过率为40.3%，估算API成本为每样本0.77美元，较GPT-5.6 Sol的3.48美元降低约78%。

在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%，API支出降低39%；在更高推理强度下，准确率达到97.9%，接近评测上限。该评测要求迁移后程序在隐藏测试上与原COBOL程序产生逐字节一致的输出，只有全部测试通过才计为成功——例如COBOL的定点算术在不显式要求四舍五入时会舍弃多余小数位，重写后的程序若改用四舍五入，可能运行无误却产生不同的财务结果。

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。