OpenAI 称 GPT-6 在 COBOL、Fortran 等遗留编程语言上表现大幅提升
OpenAI 表示已针对 COBOL、Fortran、Visual Basic 等低资源语言改进最新模型，并公布两项评测：MultiLangBench 上 GPT-6 Astra 平均通过率达 87.4%，COBOL 迁移基准中 GPT-6.1 Sol 低推理强度准确率 86.6%、提高推理强度可达 97.9%。原文同时强调 COBOL 支撑大量网上银行与 ATM 交易。
原贴
查看原文原文
中文翻译
OpenAI 改进了其最新 AI 模型对 COBOL、Fortran 和 Visual Basic 等“低资源”语言的支持。与 Python 之类语言相比，这些语言可用的训练代码少得多，但根据 OpenAI 的说法，它们支撑着全球关键基础设施。IBM 估计，COBOL 驱动着超过 40% 的网上银行系统和 95% 的 ATM 交易。OpenAI 构建了两项评估来衡量进展。MultiLangBench（GitHub）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%，高于 GPT-5.6 Terra 约 38% 的水平。GPT-6 Luna 得分为 40.3%，仅略高于 GPT-5.6 Terra（37.9%），但成本低得多。在 COBOL 迁移基准测试中——该测试将 COBOL 翻译成 C++、Java、Kotlin、Python 或 Rust——GPT-6.1 Sol 在低推理强度下达到 86.6% 的准确率，而 GPT-5.6 Sol 为 5.4%。提高推理强度可将准确率推至 97.9%。
核心信息
OpenAI 表示已针对 COBOL、Fortran、Visual Basic 等低资源语言改进最新模型，并公布两项评测：MultiLangBench 上 GPT-6 Astra 平均通过率达 87.4%，COBOL 迁移基准中 GPT-6.1 Sol 低推理强度准确率 86.6%、提高推理强度可达 97.9%。原文同时强调 COBOL 支撑大量网上银行与 ATM 交易。
- OpenAI 表示已针对 COBOL、Fortran、Visual Basic 等低资源语言改进最新模型，并公布两项评测：MultiLangBench 上 GPT-6 Astra 平均通过率达 87.4%，COBOL 迁移基准中 GPT-6.1 Sol 低推理强度准确率 86.6%、提高推理强度可达 97.9%。原文同时强调 COBOL 支撑大量网上银行与 ATM 交易。
- 原贴提到：OpenAI improved its latest AI models for "low-resource" languages like C
- 来源：the-decoder.com
详细解读
这是什么信号
OpenAI 公开宣称其最新模型在 COBOL、Fortran、Visual Basic 等“低资源”遗留语言上明显进步。原文给出两类评测：MultiLangBench 从零构建 SQLite 兼容数据库引擎；COBOL 转 C++、Java、Kotlin、Python 或 Rust 的迁移基准。GPT-6 Astra 在 20 种语言平均通过率 87.4%，GPT-5.6 Terra 约 38%；GPT-6.1 Sol 在 COBOL 迁移低推理强度下 86.6%，提高推理强度到 97.9%。这不是普通跑分，而是把 AI 编码能力推向企业存量系统。
为什么重要
COBOL、Fortran 代码量少、人才稀缺，却支撑银行、保险、航空、工业等关键系统。原文引用 IBM 估计：COBOL 驱动超过 40% 网上银行系统和 95% ATM 交易。模型若真能理解并迁移这类代码，企业现代化项目的成本结构、周期和风险评估都会变化：从“人海重写”转向“AI 辅助翻译加人工验证”。同时，低资源语言能力提升说明模型厂商在争夺高价值企业场景，而非只服务 Python、JS 生态。
对谁有价值
- CIO、CTO 与遗留系统现代化负责人：可用它做迁移可行性预研、代码理解与测试用例生成。
- 金融、保险、航空、制造等依赖 COBOL、Fortran 的行业：关注供应商模型在真实代码库上的表现。
- AI 编程工具与系统集成商：可把“遗留语言迁移”做成垂直方案，而非通用补全。
- 开发者：低资源语言经验叠加 AI 迁移验证能力，可能成为稀缺技能组合。
可以怎么行动
- 先选一个非核心、边界清晰的 COBOL 或 Fortran 模块做小范围对照实验：原系统行为、迁移输出、测试通过率、人工修复工时一起记录。
- 不要只看模型跑分，建立自己的“迁移验收集”：包含业务规则、异常分支、数据边界与回滚条件。
- 把 AI 迁移定位为“加速器”而非“自动替换”：保留人工代码审查、静态分析、集成测试与上线审批。
- 与模型供应商确认低资源语言的支持范围、上下文长度、成本与数据隔离能力，原文未给出这些细节。
风险与限制
原文中的高分来自 OpenAI 构建的评测，迁移基准也是特定任务，不能直接等同于真实企业系统迁移成功率。COBOL 程序往往依赖隐式业务规则、批处理时序、数据库方言和大量历史补丁，模型可能生成“看起来对但行为不一致”的代码。企业还需考虑安全合规、审计追溯、供应商锁定、推理成本与回滚方案。更重要的是，低资源语言训练数据少，模型在边缘案例上的稳定性仍需独立验证。把这些数字当作方向信号，而不是采购结论。
信息差价值
这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。
如果把《OpenAI 称 GPT-6 在 COBOL、Fortran 等遗留编程语言上表现大幅提升》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。
参考来源
TOPIC HUBS
延伸专题
AI SUMMARY
这篇文章回答了什么
OpenAI 称 GPT-6 在 COBOL、Fortran 等遗留编程语言上表现大幅提升主要讲什么？
OpenAI 表示已针对 COBOL、Fortran、Visual Basic 等低资源语言改进最新模型，并公布两项评测：MultiLangBench 上 GPT-6 Astra 平均通过率达 87.4%，COBOL 迁移基准中 GPT-6.1 Sol 低推理强度准确率 86.6%、提高推理强度可达 97.9%。原文同时强调 COBOL 支撑大量网上银行与…
这篇文章最值得关注的要点是什么？
OpenAI 表示已针对 COBOL、Fortran、Visual Basic 等低资源语言改进最新模型，并公布两项评测：MultiLangBench 上 GPT-6 Astra 平均通过率达 87.4%，COBOL 迁移基准中 GPT-…；原贴提到：OpenAI improved its latest AI models for "low-resource" languages like C；来源：the-decoder.com
这篇文章和哪些AI专题相关？
它适合放在AI副业、AI工具、Agent工作流专题里阅读。 关联原因：这篇内容命中「项目、小生意、变现」等主题信号。；这篇内容命中「模型」等主题信号。；这篇内容命中「AI编程」等主题信号。
阅读这篇文章建议先理解哪些关键词？
建议先理解AI工具、工具、自动化、模型、Cursor这些关键词，再结合正文判断工具、机会或风险是否值得进入自己的工作流。