攻坚COBOL与Fortran：AI低资源编程实现重大突破

在大语言模型席卷软件开发的同时，一类关键领域此前长期被主流 AI 能力忽视——低资源编程语言。COBOL、Fortran 和 Visual Basic 等语言虽然公开代码和训练文档远少于 Python 或 JavaScript，却默默维系着全球最重要的基础设施。

数据显示，COBOL 支撑着全球超过 40% 的在线银行系统、80% 的线下信用卡刷卡交易以及 95% 的 ATM 机交易；Fortran 则深度应用于气象预测和核安全分析。由于早期开发者离职、业务规则深埋于代码且文档匮乏，企业在维护或现代化重构这些遗留系统时举步维艰。

针对这一痛点，OpenAI 发布了最新技术突破，大幅强化了模型在低资源语言上的构建与迁移能力，并推出了两项全新评估基准。

全新基准评测：构建与迁移双管齐下

为量化技术进展，OpenAI 针对性设计了两个互补的评估体系：

1. MultiLangBench：评测模型能否在 20 种不同编程语言中，从零构建出兼容 SQLite 的数据库引擎。候选程序需接受初始数据库与 SQL 查询并输出修改后的数据库文件，测试通过比对原生 SQLite 的结果来检验功能完整度，涵盖架构组织、状态管理、错误处理及增量功能迭代能力。
2. COBOL 迁移评测：测试模型能否在完整保留底层行为的前提下，将现有 COBOL 程序迁移至 C++、Java、Kotlin、Python 或 Rust。

MultiLangBench：20 种语言平均通过率跃升至 87.4%

在 MultiLangBench 评测中，最新一代模型的代码构建能力表现出代际飞跃：

• GPT-6 Astra：在最大推理力度下，跨 20 种语言的平均测试通过率从上一代 GPT-5.6 Sol 的 26.8% 飙升至 87.4%。在所测试的全部语言中均有提升，其中 COBOL 从 10.9% 提升至 72.1%，Fortran 从 21.4% 提升至 83.5%，Visual Basic 从 27.5% 跃升至 89.4%。在测试的 20 种语言中，有 19 种语言得分超过 83%。
• GPT-6 Luna：作为高性价比方案，其平均通过率达到 40.3%，全方位超越 GPT-5.6 Sol。其预估单样本 API 成本仅为 0.77 美元，较上一代的 3.48 美元降低了约 78%。

OpenAI 已将 MultiLangBench 的评测方案与测试集在 GitHub 仓库开源，供开发者复现并针对特定语言排查能力短板。

攻克 COBOL 迁移：准确率逼近极限

将大型机时代的 COBOL 代码向现代技术栈迁移是一项公认的苦差事。COBOL 系统涉及严苛的金融精度与业务细节，例如其定点数运算在未显式要求四舍五入时会直接截断多余小数位。如果模型在重构时自动补足四舍五入，程序虽然能正常跑通，却会产生错误的财务结算结果。

该评测设置了严苛的盲测要求：迁移后的代码输出必须与原系统实现逐字节对齐（Byte-for-byte Parity），唯有完全通过所有用例才判定成功。

评测结果显示，GPT-6.1 Sol 在低推理力度设置下的准确率达到 86.6%（上一代 GPT-5.6 Sol 仅为 5.4%），同时推理成本下降 39%；在提升推理力度后，其迁移准确率进一步冲高至 97.9%，评测指标接近饱和。

这一系列进展表明，前沿大模型不仅在主流通用编程上持续迭代，更在理解冷门代码库逻辑、调用构建工具、跨语言对齐深层业务规则等复杂软件工程场景中展现出实战价值，为企业关键软件现代化提供了可行且低成本的落地路径。