OpenAI公布COBOL迁移评测 准确率97.9%

时间：2026年10月19日（OpenAI在官网与官方社交账号发布技术说明，中文媒体10月20日跟进） 地点：美国旧金山，OpenAI总部；相关评测与测试套件已在GitHub公开 人物：OpenAI工程与研究团队；GPT-6.1 Sol、GPT-6 Astra、GPT-6 Luna、GPT-5.6 Sol等模型；企业开发者与遗留系统维护者 事件详情： OpenAI于10月19日发布技术说明，公布其最新模型在COBOL、Fortran、Visual Basic等"低资源编程语言"上的两项自主评测结果。OpenAI称这些语言可用的公开代码与文档远少于Python或JavaScript，模型此前普遍表现不佳，而相关代码往往文档不全、原作者已离职、关键业务规则只存在于代码之中。 第一项评测是MultiLangBench，要求模型在20种编程语言中从零构建一个兼容SQLite的数据库引擎，测试用例改编自SQLite自带测试套件。最大推理档位下，GPT-6 Astra在20种语言上的平均测试通过率为87.4%，而上一代GPT-5.6 Sol仅为26.8%。分语言看，COBOL从10.9%提升至72.1%，Fortran从21.4%提升至83.5%，Visual Basic从27.5%提升至89.4%，OCaml从25.6%提升至85.8%；Astra在20种语言中有19种得分超过83%，COBOL仍是最难的一门。更便宜的GPT-6 Luna平均通过率为40.3%，估算API成本每样本0.77美元，而GPT-5.6 Sol为3.48美元，降幅约78%。 第二项评测是COBOL迁移测试，要求模型将COBOL程序转换为C++、Java、Kotlin、Python或Rust，并保持行为完全一致，隐藏测试要求可观测输出逐字节相同，全部测试通过才算迁移成功。OpenAI特别提示COBOL定点运算在未显式指定舍入时会丢弃多余小数位，重写后的程序若改用舍入计算，可以正常跑通却算出不同的财务结果。GPT-6.1 Sol在低推理档位下准确率为86.6%，同档位的GPT-5.6 Sol仅5.4%，且API成本为后者的61%；在更高推理档位下准确率达到97.9%，OpenAI称该评测已接近饱和。OpenAI同时把MultiLangBench的评测设置、测试套件与各语言结果在GitHub公开。 背景： OpenAI援引的数据称，COBOL支撑着超过40%的在线银行系统、80%的线下刷卡交易和95%的ATM交易，Fortran则广泛用于天气预报与核反应堆安全分析。这些系统仍在服役，但能维护它们的工程师池正在快速萎缩。COBOL诞生于1959年，按TIOBE指数其热度已从2025年10月的第23位回升到第16位，说明老语言并未消失。 这一方向属于大容量通用编程模型与AI编程工具赛道的一项新进展，市场上已有专门产品 IBM watsonx Code Assistant for Z（覆盖COBOL解释、重构与转Java）以及AWS Transform（涵盖主机代码分析、业务逻辑抽取、拆分重构与人工审批）。OpenAI此次并未发布打包的迁移服务或生产客户案例，公开证据仅为自建基准的跑分结果。 需要说明的是，上述数字均由OpenAI自行设计并运行评测得出，尚无第三方机构复现；OpenAI自己也强调，将这些能力用于生产软件仍然需要专家复核，并针对具体系统的业务规则与依赖关系进行测试。 影响： 如果评测结论成立，AI编程模型的能力边界将从现代语言向企业遗留系统延伸，触达面覆盖银行、保险、公共事业、能源与气象等文档稀缺、维护人力枯竭的领域，这是代码生成赛道中最难啃也最值钱的一块蛋糕。 对OpenAI而言，发布评测设置、测试套件与逐语言结果到GitHub，等同于向开发者开放一套可自证的尺子，争夺"低资源语言"这一细分场景的评测标准定义权，同时把产品定位从"最强通用模型"扩展到"能接管遗留系统的工程能力"。 对IBM、AWS等主机现代化厂商而言，通用模型一旦在语言广度上取得优势，其与传统迁移工具的竞争边界将重新划定；不过主机应用还深度依赖事务、作业调度、连通数据存储与机构规则等周边体系，仅凭程序行为的基准测试仍无法覆盖完整迁移风险。 对企业客户而言，"迁移只需行为一致"的标准比"代码能跑通"严格得多，短期内更现实的价值可能在于辅助理解和修复遗留代码，而非直接做无人值守的批量重写。 总结： OpenAI用两项自建评测给出了"AI能啃下遗留系统"的量化答案——MultiLangBench上GPT-6 Astra平均通过率从26.8%跃至87.4%，COBOL迁移测试中GPT-6.1 Sol在低推理档位达86.6%、高推理档位达97.9%，而API成本还低于上一代。数字全部来自厂商自测、缺少第三方复现是最大保留项，但把评测与测试套件公开到GitHub的动作本身，意味着AI编程的竞争正从通用代码生成转向"最难维护的那批系统"。 参考来源： 1. OpenAI官方技术说明《Low-resource programming languages》 https://openai.com/index/low-resource-programming-languages/ 2. Pivot News《OpenAI releases COBOL and Fortran coding benchmarks with new model results》 https://pivotnews.ai/build/openai-releases-cobol-and-fortran-coding-benchmarks-with 3. RuntimeWire《OpenAI reports benchmark gains for COBOL and other legacy-language coding》 https://runtimewire.com/article/openai-low-resource-language-coding-benchmarks 4. TSNMedia《OpenAI Says Its Latest Models Are Far Better at COBOL and Fortran Code》 https://tsnmedia.org/openai-cobol-fortran-coding 5. AI in Context《GPT-6 Models Score 72% on COBOL: OpenAI's Legacy Code Breakthrough》 https://aiincontext.com/articles/cobol-test-scores-jump-from-10-9-to-72-1-in-openai-s-new-models-1b3cbab8 6. Dataconomy《GPT-6.1 Sol scores 97.9% on OpenAI's COBOL test》 https://dataconomy.com/2026/10/20/openai-gpt-6-cobol-coding-migration-gains/ 7. 量子位（新浪财经转载）《Claude新模型曝光！能跳出思维定势，修Bug治标又治本》 https://finance.sina.com.cn/wm/2026-10-20/doc-inivvnpt7584722.shtml 8. ByMachine《OpenAI Reports Coding Gains in COBOL, Fortran and Visual Basic》 https://www.bymachine.news/openai-low-resource-coding-sqlite-cobol