openai 于 10 月 20 日发布最新技术报告，宣布 gpt-6 astra 等新一代模型在 cobol、fortran、visual basic 等“低资源编程语言”上的代码生成与跨语言迁移能力取得突破性提升。这类语言虽在开源社区中鲜有活跃项目、公开语料与文档极度匮乏，却长期作为银行后台、自动取款机（atm）、气象建模系统乃至核设施安全分析平台的核心支撑——日常隐于幕后，故障时却可能引发系统性风险。
为客观衡量进步幅度，OpenAI 构建了两组严苛基准测试：其一为 MultiLangBench，要求模型从零开始，在 20 种不同编程语言中分别实现一个功能完备、兼容 SQLite 协议的嵌入式数据库引擎；其二聚焦遗产系统现代化，指令模型将真实 COBOL 源码精准重构为 C++、Java、Python 和 Rust 四种目标语言，且必须严格保持原始业务逻辑、边界行为与数据流一致性。实测结果令人振奋：GPT-6 Astra 在 20 种语言上的平均通过率达 87.4%，相较前代 GPT-5.6 Sol 的 26.8% 实现超三倍跃升；细分至冷门语言，COBOL 迁移成功率由 10.9% 飙升至 72.1%，Fortran 从 21.4% 提升至 83.5%，Visual Basic 更是从 27.5% 跃至 89.4%。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
轻量模型亦具实效，迁移质量逼近理论极限
更值得关注的是效率维度。定位中端市场的 GPT-6 Luna 平均通过率为 40.3%，但其 API 调用成本较 GPT-5.6 Sol 下降约 78%；而在 COBOL 到现代语言的专项迁移任务中，GPT-6.1 Sol 即便启用低推理强度配置，准确率已达 86.6%，远高于 GPT-5.6 Sol 的 5.4%，同时成本降低 39%；当切换至高推理强度模式，其准确率进一步攀升至 97.9%，几乎触达当前评测体系所能定义的上限——这意味着一段运行逾三十年的金融核心账务模块，经 AI 重构后已具备高度可用性。
OpenAI 强调，该进展可切实赋能企业持续维护存量关键系统、快速响应安全漏洞、并稳步推进遗留软件栈的现代化演进。但官方同步给出审慎提醒：所有 AI 生成的迁移成果进入生产环境前，仍须由领域专家进行深度人工审核，并结合具体业务规则、外部依赖、状态一致性等复杂上下文开展端到端验证。毕竟那些驱动 ATM 吞吐现金、守护核电站安全边界的代码，无法容忍任何“大致正确”——AI 已极大压缩人类理解旧系统与完成可靠重写的周期，但最终决策权与责任归属，依然牢牢掌握在开发者手中。
