10 月 20 日，OpenAI 宣布 GPT-6 在低资源编程语言领域取得关键突破。在新基准 MultiLangBench（涵盖 20 种语言，要求模型从零构建 SQLite 兼容数据库引擎）上，GPT-6 Astra 配合最大推理投入，平均测试通过率达到 87.4%，较 GPT-5.6 Terra 的约 38% 提升超过一倍。GPT-6 Luna 以 40.3% 略胜 GPT-5.6 Terra 的 37.9%，但成本大幅降低。OpenAI 同步公开了 COBOL 迁移专项基准数据：拉满推理投入后，GPT-6.1 Sol 的 COBOL 转 C++/Java/Kotlin/Python/Rust 准确率达到 97.9%，首次具备将大规模金融遗产代码库投入生产环境的能力。
COBOL 遗产危机：40% 银行系统的沉默重负
全球金融系统至今仍在运行大量 COBOL 遗产代码。IBM 数据显示，约 40% 的网上银行系统和 95% 的 ATM 交易由 COBOL 支撑，其中不少代码库已运行超过 40 年，原始开发者早已离职，文档缺失。据估计，仅美国联邦政府就需要现代化处理约 3,000 亿行 COBOL 代码，整体替换成本高达数千亿美元。这是 AI 辅助企业数字化转型最具商业价值的场景之一，也是最难攻克的硬骨头。
COBOL 的特殊性在于：它不仅是「老」，更是「稀缺」——公开语料极为有限，模型几乎要从头学起。与拥有海量开源代码的 Python、JavaScript 不同，COBOL、Fortran、Visual Basic 等语言的预训练语料几乎为零，模型很难通过大规模预训练自然习得其语法与语义。
97.9% 准确率是如何炼成的
GPT-6 的解法是「合成数据生成 + 专项微调」双管齐下：
- 合成数据生成：OpenAI 构建了包含 50 万对 COBOL 与现代语言对照样本的专项训练集，涵盖银行转账、账户管理、利息计算等核心业务场景。
- 强化学习后训练：通过代码执行反馈循环，模型学会了识别 COBOL 特有的「段落—语句—句点」结构与业务逻辑边界。
- 大型机环境模拟：COBOL 系统往往嵌入在大型机（IBM Mainframe）环境中，代码与业务逻辑深度耦合。GPT-6 通过对 COPY 段落、PERFORM 范围、文件声明等关键语法的专项建模，提升了对隐式数据依赖的理解。
具体到数字：低推理投入下，GPT-6.1 Sol 达 86.6% 准确率（GPT-5.6 Sol 仅 5.4%），提升约 16 倍；拉满推理投入后，准确率攀升至 97.9%，已达到可投入生产环境的门槛。
COBOL 迁移的技术流程
OpenAI 披露的标准迁移路径包含四个阶段：
| 阶段 | GPT-6 工作 | 人工介入 | 预期耗时 |
|---|---|---|---|
| 代码解析 | 理解 COBOL 段落结构与数据依赖 | 标注关键业务逻辑 | 1-2 天 |
| 语义映射 | 将 COBOL 语法转换为目标语言等效实现 | 确认财务规则不变 | 3-5 天 |
| 集成测试 | 生成测试用例验证输出等价性 | 执行回归测试套件 | 5-10 天 |
| 上线部署 | 协助编写 CI/CD 流水线 | 灰度发布与监控 | 1-2 周 |
整个流程下来，一套中等规模的银行核心系统（约 5 万行 COBOL）迁移周期可从传统的 18-24 个月压缩至 3-4 个月，人员需求从 20 人团队降至 5 人。
MultiLangBench 全榜单：GPT-6 vs 竞品
MultiLangBench 的 20 种语言涵盖主流语言（Python、JavaScript）与低资源语言（COBOL、Fortran、RPG、ALGOL），是首个系统评估模型在「稀有语言 + 复杂任务」上能力的基准。GPT-6 Astra 在该基准上的表现：
- Python：94.2%（略低于 Claude 3.7 的 96.1%）
- JavaScript：91.8%（持平 GPT-5.6）
- COBOL：97.9%（绝对领先，Claude 3.7 为 12.3%）
- Fortran：88.4%（Claude 3.7 为 34.7%）
- RPG：85.1%（新语言，无对比数据）
在低资源语言维度，GPT-6 的领先幅度远超主流语言，进一步印证了「合成数据 + 专项微调」路线对稀有语言的有效性。
局限与风险
97.9% 的准确率并非万能。OpenAI 指出，COBOL 系统往往嵌入在大型机环境中，代码与业务逻辑深度耦合，单纯的代码翻译只是第一步，后续还需要人工校验与集成测试。此外，COBOL 中的隐式状态（如 PERFORM 段落间的共享变量）转换仍需人工 review，以避免引入逻辑错误。
对于有计划迁移 COBOL 遗产系统的金融机构，OpenAI 建议采取「先边缘后核心」的策略：先从报表生成、账务汇总等独立模块入手，积累经验后再处理核心交易系统。
FAQ
GPT-6 的 COBOL 迁移准确率 97.9% 是什么意思？
指将 COBOL 代码翻译为现代语言（C++/Java/Kotlin/Python/Rust）后，通过自动化测试用例的比例。97.9% 意味着每 1000 行代码约有 979 行可直接通过编译和基础测试，无需人工修改，已达到可投入生产环境的门槛。
国内银行是否面临同样的 COBOL 迁移问题？
是的，国内大行（如工行、建行）的核心银行系统普遍基于 COBOL 编写，部分系统运行时间超过 20 年。GPT-6 的 COBOL 能力对国内金融机构同样有参考价值，但涉及金融数据出境合规问题，直接使用需谨慎评估。
Claude、Gemini 在 COBOL 迁移上表现如何？
在 OpenAI 公布的 COBOL 迁移基准中，Claude 3.7 的准确率为 12.3%，Gemini 4 Ultra 为 8.7%，均远低于 GPT-6 的 97.9%。差距主要来自专项训练语料的积累，OpenAI 为此构建了 50 万对专项对照样本。
- GPT-6-Astra 达成 TheoPhysEval 98%：AI 科研走到哪一步了
- GPT-6 Astra联手数学家攻克57年难题：N≤20圆盘装箱问题如何被AI证明
- 华为诺亚Memento 3达成RSI：冻结Claude通关25款ARC-AGI-3
延伸阅读
- SkyClaw-v1.0 发布：1M 上下文 Agent 模型，输入 0.5 元/百万 tokens，兼容 OpenAI API4 周前
- 智谱发布 GLM-5.3：基座没换只炼后训，编程提升 50% 登顶开源2 月前
- 微软 UFO² 桌面 AgentOS 解析：自动化成功率 32.7%，超越 OpenAI Operator 且 MIT 开源4 周前
- 美国地方媒体集体起诉微软与OpenAI：数万篇版权文章被用于大模型训练，一分钱没赔2 周前
继续读
同一批更新里这几篇值得一看：