OpenAI 称 GPT-6 在 COBOL 和 Fortran 等遗留编程语言上表现显著提升

OpenAI 宣布其最新模型系列针对 COBOL、Fortran 和 Visual Basic 等低资源编程语言进行了优化，并发布了两个评估指标来衡量这一进展。根据 OpenAI 提供的数据，GPT-6 Astra 在包含 20 种编程语言的 MultiLangBench 测试中，配合最大推理努力（maximum reasoning effort），平均通过率从 GPT-5.6 Terra 的约 38% 提升至 87.4%，而 GPT-6 Luna 以更低成本达到 40.3%。

在专门针对 COBOL 迁移至 C++、Java、Kotlin、Python 或 Rust 的基准测试中，GPT-6.1 Sol 的表现尤为突出。在低推理努力下，其准确率达到 86.6%，相比之下 GPT-5.6 Sol 仅为 5.4%；当增加推理努力时，GPT-6.1 Sol 的准确率进一步攀升至 97.9%。图表数据显示，GPT-6 系列模型（Astra、Sol）的测试通过率均超过 87%，显著高于 GPT-5.4 至 GPT-6 Luna 等旧版本。

事实层面，OpenAI 确实发布了针对遗留语言优化的模型及相应的评测数据，显示 GPT-6 系列在特定任务上的准确率有数量级提升。推断层面，这暗示企业级遗留系统维护与现代化改造的成本门槛正在降低，尤其是对于依赖 COBOL 的金融基础设施。猜测层面，虽然文中提到 GPT-6 Luna 成本更低，但具体节省比例及实际部署中的稳定性仍需验证，且 IBM 关于 COBOL 支撑 40% 在线银行系统的估算属于行业背景而非本次发布的新事实。