OpenAI 升级 GPT-6 低资源编程：COBOL 迁移准确率飙至 97.9%

每次去 ATM 取钱或者刷信用卡，背后帮你算账的，大概率还是一段几十年前写下的 COBOL 代码。

这些支撑着全球金融命脉的老旧系统，如今正面临一个巨大的尴尬：当年写代码的工程师早就退休了，系统文档几乎是一片空白，而年轻人根本没人想学。

更麻烦的是，连平时无所不能的 AI 大模型，碰上这些古董语言也经常抓瞎。因为网上的现代开源项目铺天盖地，但 COBOL、Fortran 这类低资源语言的训练语料少得可怜。

OpenAI 公布了一组最新的模型评测数据，宣布在新一代模型上攻克了低资源编程语言的难关。

拿写数据库当考卷，老语言不再是盲区

为了检验模型是不是真的懂这些冷门老语言，OpenAI 这次搞了一个叫 MultiLangBench 的硬核基准测试。

规则很简单：让模型在完全不借助现有框架的前提下，跨 20 种编程语言，从零写出一个兼容 SQLite 的数据库引擎。测试会直接拿官方 SQLite 的数据库文件来比对，看生成的内容是不是分毫不差。

结果显示，新模型 GPT-6 Astra 在 20 种语言下的平均测试通过率达到了 87.4%，而上一代的 GPT-5.6 Sol 只有惨淡的 26.8%。

具体到单项语言，提升甚至有些夸张。COBOL 的通过率从 10.9% 飙到了 72.1%，Fortran 从 21.4% 提到 83.5%，Visual Basic 从 27.5% 跃升到 89.4%，OCaml 也从 25.6% 来到了 85.8%。

在全部 20 门语言里，Astra 有 19 门通过率突破了 83%，只有 COBOL 难度最高，但也拿到了 72% 的成绩。

如果嫌 Astra 太贵，OpenAI 还拿出了偏向轻量推理的 GPT-6 Luna。它的平均通过率达到 40.3%，不仅整体跑赢了上一代旗舰，每次采样的预估 API 成本还只要 0.77 美元，比 GPT-5.6 Sol 的 3.48 美元便宜了大约 78%。目前这套测试基准已经在 GitHub 开源。

最棘手的代码迁移，准确率直接拉到 97.9%

对于大部分维护老系统的企业来说，不仅要能看懂老代码，更关键的任务是把它们平稳重写成 Python、Rust、Java、Kotlin 或 C++。

这件事最危险的地方在于细节。比如 COBOL 处理定点数时，如果没显式声明四舍五入，多出来的尾数是直接丢弃的。新语言写得哪怕再工整，一旦偷偷给做了四舍五入，业务表面看不出异常，账目的钱数却全错了。

OpenAI 针对这个痛点做了专门的 COBOL 迁移测试，要求迁移后的代码在底层输出上达到逐字节对齐。

在新测试中，GPT-6.1 Sol 展现了碾压级的表现。在低推理成本设置下，它的迁移准确率就达到了 86.6%，成本只有 GPT-5.6 Sol 的 61%；而在高推理成本设置下，准确率直接飙到了 97.9%，几乎把这套题库做到了满分。

相比之下，上一代的 GPT-5.6 Sol 在同等设置下的准确率仅有 5.4%，基本处于完全不可用的状态。

为什么重要

这可以说是大模型在最难啃的企业核心资产上打出的一记漂亮仗。

全球超过 40% 的在线银行系统、80% 的线下信用卡刷卡、95% 的 ATM 交易依然跑在 COBOL 上，天气预报和核反应堆分析也还在严重依赖 Fortran。现代企业哪怕明知老架构尾大不掉，过去也几乎不敢贸然做系统重构，因为没人敢担重写后算错一分钱的风险。

现在 GPT-6.1 Sol 把迁移准确率拉到接近 98%，意味着那些盘踞在金融机构和科研院所数十年的数字包袱，终于迎来了成本可控的自动化现代化工具。企业虽然依然需要人工审计和专家复核，但重构工程的启动门槛被生生打了下来。

从技术策略来看，OpenAI 这一步走得很准。当各家都在刷 Python 和前端代码基准、边际收益越来越薄的时候，转向攻克工业界真正痛、语料又极度匮乏的低资源深水区，直接把模型的推理与迁移能力转化成了实打实的商业护城河。

不过我们认为，即便准确率到了 97.9%，生产环境落地依然不能盲目乐观。遗留系统最可怕的从来不是语法翻译，而是藏在老系统与外部古老硬件交互里的各种隐形假设。AI 能做到逻辑字节级对齐，但能不能抗住复杂生产依赖的考验，依然需要企业留足充分的实测周期。