OpenAI称模型助力银行迁移COBOL，最高准确率近98%

OpenAI表示，其最新模型在构建和迁移软件方面表现显著提升，尤其在处理COBOL、Fortran和Visual Basic等从业者日益减少的老旧编程语言上优势明显。

目前，全球仍有40%的银行依赖COBOL系统。由于掌握该语言的程序员逐渐退休，银行必须在未来几年内完成系统迁移。然而，这一过程不仅耗时漫长，成本更高达数百万至数亿美元。

基于开发者和企业客户的反馈，OpenAI重点强化了模型对老旧语言的处理能力。为此，公司推出了名为MultiLangBench的AI评估套件，要求模型使用指定语言创建兼容SQLite的数据库引擎。

测试结果显示，GPT-6 Astra在20种编程语言中的平均通过率达到87.4%，远优于GPT-5.6 Sol的26.8%。尽管COBOL仍是难度最高的语言，Astra在其上的通过率也达到了72%。

在另一项评估中，OpenAI测试了模型将COBOL程序迁移至C++、Java、Kotlin、Python或Rust的能力，并要求严格保留原有功能，包括数字舍入规则和缺失记录处理等行为特征。

结果表明，GPT-6.1 Sol在高推理投入下实现了97.9%的最高准确率；在低推理投入下，准确率为86.6%。

OpenAI强调，只有“所有测试均通过”才算迁移成功，毕竟银行业务对准确性要求极高。公司指出，虽然模型在保留行为特征方面对现代化旧系统团队极具价值，但在应用于生产环境前，仍需专家审查并针对具体业务规则和依赖关系进行测试。