OpenAI 发布报告：GPT-6 Astra 提升低资源语言能力，COBOL 迁移准确率达 97.9%

OpenAI 于 10 月 20 日发布一份研究报告，重点介绍其在低资源编程语言方向上的模型能力增强。COBOL、Fortran、Visual Basic 等语言公开代码与文档相对稀缺，却长期支撑银行、ATM、天气预报及核安全分析等关键系统，模型对这类语言的掌握程度因此具有现实意义。

为量化这一能力，OpenAI 设计了两项评测。MultiLangBench 要求模型以 20 种语言从零构建兼容 SQLite 的数据库引擎；另一项评测则要求在保持原有业务行为不变的前提下，将 COBOL 程序迁移至 C++、Java、Python、Rust 等语言。

结果显示，GPT-6 Astra 在 MultiLangBench 的 20 种语言中平均测试通过率达到 87.4%，而 GPT-5.6 Sol 为 26.8%。分语言看，COBOL 从 10.9% 升至 72.1%，Fortran 从 21.4% 升至 83.5%，Visual Basic 从 27.5% 升至 89.4%。成本更低的 GPT-6 Luna 平均通过率为 40.3%，估算 API 成本较 GPT-5.6 Sol 降低约 78%。

在 COBOL 迁移评测中，GPT-6.1 Sol 在低推理强度下准确率达到 86.6%，远高于 GPT-5.6 Sol 的 5.4%，同时成本有所下降。报告披露的 COBOL 迁移准确率最高为 97.9%，显示模型在遗留系统现代化场景中的可用性正在提升。