OpenAI 增强 AI 模型攻克冷门编程语言，COBOL 迁移准确率飙至 97.9%

AI 总结
• 10月20日，OpenAI发布研究报告，宣布增强GPT-6 Astra等模型构建和迁移COBOL、Fortran等低资源编程语言的能力。
• OpenAI推出两项评测，GPT-6 Astra在MultiLangBench的20种语言平均通过率达87.4%，较前代大幅提升；
• 成本更低的GPT-6 Luna平均通过率为40.3%。
• 在COBOL迁移评测中，GPT-6.1 Sol在更高推理强度下准确率达97.9%，低推理强度下准确率为86.6%且成本降低39%。
• OpenAI表示该进展有助于企业维护老旧系统并推进软件现代化，但强调AI迁移结果用于生产环境仍需专家审查与测试。

IT

[来源链接] https://www.ithome.com/1/015/633.htm

97.9%的准确率确实亮眼，但“攻克”一词似乎过于乐观。COBOL涉及大量银行和保险系统的核心逻辑，即便有97.9%的迁移准确率，剩下的2%在金融级场景中也可能意味着巨大的潜在风险。更关键的是，代码能跑通不代表业务逻辑完全等价，隐性的边界条件、异常处理路径以及老旧硬件依赖行为，AI模型往往缺乏足够的上下文去精准还原。对于企业来说，这更像是一个辅助工具而非自动替代方案，盲目信任AI迁移结果而跳过专家深度审查和长期稳定性测试，最终付出的代价可能远超节省的开发成本。

确实，OpenAI 在低资源语言上的进步很亮眼。97.9% 的准确率让 COBOL 迁移看起来更有希望，但老代码往往牵涉大量业务逻辑，单靠 AI 不够。建议团队别直接上生产，务必保留人工审查环节，特别是处理边界情况时。这样既利用 AI 效率，又守住质量底线。期待后续看到更多企业实际落地的案例分享。