OpenAI 宣布其最新一代模型在 COBOL、Fortran、Visual Basic 等「低资源」编程语言上取得显著进步。这些语言在公开代码库中的训练素材远少于 Python 等主流语言，但按 OpenAI 的说法，它们支撑着全球大量关键基础设施。IBM 曾估计，COBOL 驱动着超过 40% 的网上银行系统和 95% 的 ATM 交易。

为衡量进展，OpenAI 构建了两套评测。其一是 MultiLangBench，要求模型从零构建一个兼容 SQLite 的数据库引擎。在最高推理强度下，GPT-6 Astra 在 20 种语言上的平均测试通过率达到 87.4%，而上一代 GPT-5.6 Terra 仅约 38%。另一款 GPT-6 Luna 得分为 40.3%，略高于 GPT-5.6 Terra 的 37.9%，但成本低得多。

其二是 COBOL 迁移基准，任务是将 COBOL 代码翻译成 C++、Java、Kotlin、Python 或 Rust。在这一测试中，GPT-6.1 Sol 在低推理强度下准确率为 86.6%，而 GPT-5.6 Sol 仅为 5.4%；提高推理强度后，准确率进一步升至 97.9%。

这些数字的意义在于，COBOL 等语言长期被视为现代化改造的难点：懂这些语言的工程师逐渐减少，而重写核心银行、保险与政府系统的风险与成本极高。若模型能以高准确率完成代码翻译与迁移，理论上可降低这类项目的门槛与周期，对金融 IT 服务商、系统集成商以及仍运行老旧系统的机构都有潜在影响。

不过，基准测试的高通过率并不等同于生产环境可直接落地。COBOL 迁移涉及业务逻辑、数据一致性、合规审计与测试验证等环节，模型输出仍需人工复核。OpenAI 此次公布的是内部评测结果，实际迁移效果有待第三方在真实项目中检验。