OpenAI сообщила о заметном прогрессе своих моделей в работе с COBOL, Fortran и Visual Basic — языками, для которых доступно гораздо меньше обучающего кода, чем для Python. На тестах GPT-6 Astra показала 87,4% успешных решений в среднем по 20 языкам, а GPT-6.1 Sol достигла 97,9% точности при переводе COBOL на современные языки программирования. Это важный сигнал для поддержки старых систем, но не доказательство, что миграцию можно полностью поручить нейросети без проверки человека.
Суть события
OpenAI заявила, что улучшила последние модели для так называемых языков с малым объёмом доступного кода. Речь идёт о COBOL, Fortran и Visual Basic. Они редко становятся героями новых проектов, однако продолжают использоваться в критически важных системах. По оценке IBM, COBOL задействован более чем в 40% систем онлайн-банкинга и в 95% операций банкоматов.
Для пользователя это означает не автоматическое исчезновение старого кода, а потенциально более удобный инструмент для его чтения, проверки и постепенного переноса. Компания оценивала именно способности моделей, а не успешность реального проекта миграции в конкретном банке или организации.
Детали тестов
В первом испытании MultiLangBench моделям предложили с нуля создать совместимый с SQLite движок базы данных. При максимальном уровне рассуждений GPT-6 Astra получила в среднем 87,4% пройденных тестов по 20 языкам. Для сравнения, GPT-5.6 Terra набрала около 38%. GPT-6 Luna показала 40,3%, лишь немного опередив GPT-5.6 Terra с результатом 37,9%, зато при гораздо меньшей стоимости.
Отдельно проверяли перенос программ на COBOL. Задание заключалось в переводе кода на C++, Java, Kotlin, Python или Rust. GPT-6.1 Sol при низком уровне рассуждений достигла точности 86,6%, тогда как GPT-5.6 Sol показала 5,4%. При повышении усилий на рассуждение результат GPT-6.1 Sol вырос до 97,9%.
Такие цифры выглядят убедительно, но их нужно читать как результаты двух специальных оценок. Тест на создание SQLite-совместимого движка не равен сопровождению большой производственной системы, а точность перевода не гарантирует, что перенесённая программа сохранит все бизнес-правила и будет безопасна в работе.
Контекст для читателя
COBOL и Fortran называют «старыми» не потому, что они перестали работать. В источнике акцент сделан на том, что для этих языков доступно гораздо меньше обучающего кода, хотя, по словам OpenAI, они поддерживают критическую инфраструктуру. Нейросеть может помочь найти участки программы, объяснить логику или подготовить черновик перевода, но итог всё равно должен проверять человек, знакомый с исходной системой.
Тем, кто хочет разобраться, как устроены современные языковые модели и почему они по-разному справляются с задачами, пригодится простое объяснение принципа работы LLM. Это полезнее, чем воспринимать один высокий показатель как универсальную гарантию качества.
Что дальше
Из сообщения OpenAI следует улучшение результатов на выбранных проверках. Оно не устанавливает, что GPT-6 Astra или GPT-6.1 Sol уже заменяют команды сопровождения, безопасно переводят любой COBOL-код или доступны для каждой организации. Практический следующий шаг для компании — проверять такие инструменты на собственных фрагментах, сравнивать вывод с исходными требованиями и отдельно тестировать итоговую программу.
Пока наиболее реалистичный сценарий — использовать модели как помощника при инвентаризации и переносе отдельных частей старых систем. Чем критичнее процесс, тем меньше оснований принимать результат нейросети без независимой проверки.
