OpenAI 升級 GPT-6 低資源程式設計：COBOL 遷移準確率飆至 97.9%

每次去 ATM 取錢或者刷信用卡，背後幫你算賬的，大機率還是一段幾十年前寫下的 COBOL 程式碼。

這些支撐著全球金融命脈的老舊系統，如今正面臨一個巨大的尷尬：當年寫程式碼的工程師早就退休了，系統文件幾乎是一片空白，而年輕人根本沒人想學。

更麻煩的是，連平時無所不能的 AI 大模型，碰上這些古董語言也經常抓瞎。因為網上的現代開源專案鋪天蓋地，但 COBOL、Fortran 這類低資源語言的訓練語料少得可憐。

OpenAI 公佈了一組最新的模型評測資料，宣佈在新一代模型上攻克了低資源程式語言的難關。

拿寫資料庫當考卷，老語言不再是盲區

為了檢驗模型是不是真的懂這些冷門老語言，OpenAI 這次搞了一個叫 MultiLangBench 的硬核基準測試。

規則很簡單：讓模型在完全不借助現有框架的前提下，跨 20 種程式語言，從零寫出一個相容 SQLite 的資料庫引擎。測試會直接拿官方 SQLite 的資料庫檔案來比對，看生成的內容是不是分毫不差。

結果顯示，新模型 GPT-6 Astra 在 20 種語言下的平均測試通過率達到了 87.4%，而上一代的 GPT-5.6 Sol 只有慘淡的 26.8%。

具體到單項語言，提升甚至有些誇張。COBOL 的通過率從 10.9% 飆到了 72.1%，Fortran 從 21.4% 提到 83.5%，Visual Basic 從 27.5% 躍升到 89.4%，OCaml 也從 25.6% 來到了 85.8%。

在全部 20 門語言裡，Astra 有 19 門通過率突破了 83%，只有 COBOL 難度最高，但也拿到了 72% 的成績。

如果嫌 Astra 太貴，OpenAI 還拿出了偏向輕量推理的 GPT-6 Luna。它的平均通過率達到 40.3%，不僅整體跑贏了上一代旗艦，每次取樣的預估 API 成本還只要 0.77 美元，比 GPT-5.6 Sol 的 3.48 美元便宜了大約 78%。目前這套測試基準已經在 GitHub 開源。

最棘手的程式碼遷移，準確率直接拉到 97.9%

對於大部分維護老系統的企業來說，不僅要能看懂老程式碼，更關鍵的任務是把它們平穩重寫成 Python、Rust、Java、Kotlin 或 C++。

這件事最危險的地方在於細節。比如 COBOL 處理定點數時，如果沒顯式宣告四捨五入，多出來的尾數是直接丟棄的。新語言寫得哪怕再工整，一旦偷偷給做了四捨五入，業務表面看不出異常，賬目的錢數卻全錯了。

OpenAI 針對這個痛點做了專門的 COBOL 遷移測試，要求遷移後的程式碼在底層輸出上達到逐位元組對齊。

在新測試中，GPT-6.1 Sol 展現了碾壓級的表現。在低推理成本設定下，它的遷移準確率就達到了 86.6%，成本只有 GPT-5.6 Sol 的 61%；而在高推理成本設定下，準確率直接飆到了 97.9%，幾乎把這套題庫做到了滿分。

相比之下，上一代的 GPT-5.6 Sol 在同等設定下的準確率僅有 5.4%，基本處於完全不可用的狀態。

為什麼重要

這可以說是大模型在最難啃的企業核心資產上打出的一記漂亮仗。

全球超過 40% 的線上銀行系統、80% 的線下信用卡刷卡、95% 的 ATM 交易依然跑在 COBOL 上，天氣預報和核反應堆分析也還在嚴重依賴 Fortran。現代企業哪怕明知老架構尾大不掉，過去也幾乎不敢貿然做系統重構，因為沒人敢擔重寫後算錯一分錢的風險。

現在 GPT-6.1 Sol 把遷移準確率拉到接近 98%，意味著那些盤踞在金融機構和科研院所數十年的數字包袱，終於迎來了成本可控的自動化現代化工具。企業雖然依然需要人工審計和專家複核，但重構工程的啟動門檻被生生打了下來。

從技術策略來看，OpenAI 這一步走得很準。當各家都在刷 Python 和前端程式碼基準、邊際收益越來越薄的時候，轉向攻克工業界真正痛、語料又極度匱乏的低資源深水區，直接把模型的推理與遷移能力轉化成了實打實的商業護城河。

不過我們認為，即便準確率到了 97.9%，生產環境落地依然不能盲目樂觀。遺留系統最可怕的從來不是語法翻譯，而是藏在老系統與外部古老硬體互動裡的各種隱形假設。AI 能做到邏輯位元組級對齊，但能不能抗住複雜生產依賴的考驗，依然需要企業留足充分的實測週期。