OpenAI 近日宣布，其最新模型在理解与迁移 COBOL、Fortran 及 Visual Basic 等遗留编程语言方面的能力显著提升。这一进展旨在应对全球银行业日益紧迫的系统现代化需求。
据 OpenAI 介绍，目前全球约 40% 的银行仍依赖基于 COBOL 的核心系统。然而，随着掌握该语言的程序员群体逐渐老龄化且数量减少，金融机构在未来几年内面临巨大的迁移压力。此次模型能力的优化，直接响应了开发者与企业客户关于旧语言编码支持不足的反馈。
为了量化评估模型在多语言环境下的表现，OpenAI 推出了名为 MultiLangBench 的 AI 评估套件。该测试要求模型在指定编程语言中构建兼容 SQLite 的数据库引擎。数据显示，GPT-6 Astra 在涵盖 20 种语言的测试中平均通过率达到 87.4%，显著优于 GPT-5.6 Sol。尽管整体表现强劲，COBOL 仍是难度最高的语言之一，GPT-6 Astra 在该领域的合格率为 72%。
在实际应用场景方面，OpenAI 重点评估了将 COBOL 程序迁移至 C++、Java、Kotlin、Python 或 Rust 的能力，核心指标在于是否能在转换过程中完整保留原有业务逻辑。这包括处理浮点数舍入规则以及缺失记录时的特定行为等细节。测试结果指出，GPT-6.1 Sol 在此类迁移任务中表现最佳，在高推理强度下准确率达到 97.9%，即便在低推理强度设置下，准确率也维持在 86.6%。
OpenAI 强调，代码迁移的成功标准是“所有测试均通过”。但在将其应用于生产环境之前，仍需经过专家对业务规则和系统依赖性的严格审查与验证。
