OpenAI 宣佈其最新一代模型在 COBOL、Fortran、Visual Basic 等「低資源」程式語言上取得顯著進步。這些語言在公開程式碼庫中的訓練素材遠少於 Python 等主流語言，但按 OpenAI 的說法，它們支撐著全球大量關鍵基礎設施。IBM 曾估計，COBOL 驅動著超過 40% 的網上銀行系統和 95% 的 ATM 交易。

為衡量進展，OpenAI 構建了兩套評測。其一是 MultiLangBench，要求模型從零構建一個相容 SQLite 的資料庫引擎。在最高推理強度下，GPT-6 Astra 在 20 種語言上的平均測試通過率達到 87.4%，而上一代 GPT-5.6 Terra 僅約 38%。另一款 GPT-6 Luna 得分為 40.3%，略高於 GPT-5.6 Terra 的 37.9%，但成本低得多。

其二是 COBOL 遷移基準，任務是將 COBOL 程式碼翻譯成 C++、Java、Kotlin、Python 或 Rust。在這一測試中，GPT-6.1 Sol 在低推理強度下準確率為 86.6%，而 GPT-5.6 Sol 僅為 5.4%；提高推理強度後，準確率進一步升至 97.9%。

這些數字的意義在於，COBOL 等語言長期被視為現代化改造的難點：懂這些語言的工程師逐漸減少，而重寫核心銀行、保險與政府系統的風險與成本極高。若模型能以高準確率完成程式碼翻譯與遷移，理論上可降低這類專案的門檻與週期，對金融 IT 服務商、系統整合商以及仍執行老舊系統的機構都有潛在影響。

不過，基準測試的高通過率並不等同於生產環境可直接落地。COBOL 遷移涉及業務邏輯、資料一致性、合規審計與測試驗證等環節，模型輸出仍需人工複核。OpenAI 此次公佈的是內部評測結果，實際遷移效果有待第三方在真實專案中檢驗。