AREX Feed Article
OpenAI 官宣 COBOL、Fortran 等低资源语言模型进展：自建迁移评测最高准确率 97.9%
北京时间 10 月 20 日清晨（美国当地时间 10 月 19 日晚间），OpenAI 官方 X 账号宣布，其最新模型进展为用 COBOL、Fortran、Visual Basic 等低资源（low-resource）编程语言构建和迁移软件带来更强能力，帖文附带一段视频，并链接到一篇同日上线的博客文章。
与帖文的笼统表述不同，这篇题为「Advancing coding in low-resource programming languages」的给出了具体模型和成绩：在 OpenAI 自建的 MultiLangBench 评测中，GPT-6 Astra 在 20 种编程语言上的平均测试通过率为 87.4%，对比模型 GPT-5.6 Sol 为 26.8%；在 COBOL 迁移评测中，GPT-6.1 Sol 取得 86.6% 的准确率，调高推理强度（reasoning effort）后达到 97.9%。MultiLangBench 的评测设置和测试套件已同步发布在 。
帖文没点名模型，数字都在附带的博客里
帖文写道，这些语言「为银行、政府和企业赖以运行的软件提供支撑」，在这里取得的进展「意味着理解数十年积累的业务逻辑，帮助开发者在保留有效部分的同时让这些系统现代化」。OpenAI 还称，这些能力是「围绕开发者与企业客户带给我们的挑战」构建的。
帖文本身没有点名任何具体模型，也没有给出任何基准成绩。点名和数字都来自它链接的博客：文章标注日期为 10 月 19 日，介绍了两项 OpenAI 自建的评测——一项测「从零构建新软件」，一项测「迁移旧软件并保住其行为」。以下成绩均为 OpenAI 的自报口径。
「低资源」指的是语料少，但银行、ATM 和气象预报都靠它
博客把「低资源」定义为：与 Python、JavaScript 相比，这类语言可供模型学习的代码和文档少得多，但它们支撑着全球的关键基础设施和基本服务。文章援引 IBM 的数据称，COBOL 支撑着超过 40% 的在线银行系统、80% 的当面信用卡交易和 95% 的 ATM 交易；并援引美国国家海洋和大气管理局（NOAA）与美国核管理委员会（NRC）的材料，说明 Fortran 用于气象预报和核反应堆安全分析。
OpenAI 称这项工作来自开发者和企业客户的反馈：编码模型在这些语言上常常吃力。博客列举了维护和现代化这类软件的难处——文档可能不全，当年的开发者可能已经离职，重要的业务规则可能只存在于代码里。无论是修 bug 还是迁到另一种语言，团队都需要保住系统赖以运行的行为。
MultiLangBench：在 20 种语言里从零写出 SQLite 兼容引擎
第一项评测要求模型在指定语言中从零写出一个与 SQLite 兼容的数据库引擎，过程中要组织代码库、管理状态、处理错误，并在保留既有功能的前提下加入新功能。为了让不同语言的实现可以比较，评测用数据库文件做统一接口：候选程序拿到一个初始数据库和一条 SQL 查询，产出一个修改后的数据库，再用参照实现 SQLite 检查结果内容是否符合预期。测试改自 SQLite 既有测试套件，衡量的是模型在一段较长的编码过程中能写出多少可用功能，同时报告测试通过率和 API 成本。
GitHub 仓库补充了细节：模型在拿到 SQLite 3.40.1 文档、且不允许联网的环境里实现这个数据库；测试从 SQLite 的 TCL 测试套件转换而来，51,000 个测试中有 24,000 个能转成这种格式；项目按 Apache 2.0 许可证发布，并附每种语言的分项成绩。
成绩方面（均为最大推理强度）：Astra 在全部 20 种语言上都高于 GPT-5.6 Sol。分语言看，COBOL 从 10.9% 升至 72.1%，OCaml 从 25.6% 升至 85.8%，Fortran 从 21.4% 升至 83.5%，Visual Basic 从 27.5% 升至 89.4%。Astra 在 20 种语言中的 19 种得分超过 83%，COBOL 是唯一的例外，也是最难的——72%。更低成本的 GPT-6 Luna 平均通过率 40.3%，同样在每种语言上都超过 GPT-5.6 Sol，其单样本平均 API 成本约 0.77 美元，而 GPT-5.6 Sol 为 3.48 美元，低了约 78%。
COBOL 迁移评测：输出逐字节一致才算通过
第二项评测让模型把已有的 COBOL 程序迁移到 C++、Java、Kotlin、Python 或 Rust，同时保持程序行为不变。博客解释了难点：迁移成功需要同时理解程序的业务逻辑和 COBOL 特有的语言行为。COBOL 程序处理的常是金融交易和业务记录，舍入规则、缺失记录的处理方式背后都是业务要求。文章举了一个例子：COBOL 的定点运算（fixed-point arithmetic）在未明确要求时会直接丢弃多余的十进制小数位，改写后的程序若默认四舍五入，可以毫无报错地运行，却算出不同的财务结果。
为验证行为是否被保留，评测用隐藏测试检查可观察输出是否逐字节一致（byte-for-byte parity），全部测试通过才算迁移成功。在这个评测上，GPT-6.1 Sol 在低推理强度下取得 86.6% 的准确率，同设置的 GPT-5.6 Sol 只有 5.4%，而前者的 API 成本只有后者的 61%；调高推理强度后，准确率达到 97.9%，博客称评测已接近饱和。
OpenAI 同时给这类能力划了边界：行为保持型的迁移能力对维护和现代化旧系统的团队有用，但用到生产软件上，仍需专家评审，并对照系统的业务规则和依赖做测试。
回复区：催发布、退休梗和「规矩只写在代码里」
发布约两小时后（截至本文检索时），这条帖子显示约 24.3 万次浏览、2,800 多个点赞和 270 多条回复。点赞最多的一条回复（192 个赞）来自账号 ：「我们真的还在聊 Astra 吗🥀，快把新模型交出来」。
也有更技术向的回应。Pedro G（账号 ）写道：「COBOL 或其他那些语言从来都不是问题，问题是 40 年没人写下来的业务规则，还有那个知道某个字段为什么有些天会变成负数的人——他 2009 年就退休了。」账号 的 Jatin Garg 认为，大型机团队清单上的下一项该是 JCL 和围绕 COBOL 的批处理作业：「没有跑它们的作业调度，程序很少会被单独迁移。」
美国国会议员 Nancy Mace（其 X 账号简介如此标注身份）也在里写道：「我 21 岁的时候学过 COBOL。想当年，我可喜欢 Visual Basic 了。」并非所有回应都是捧场：账号 说这是条「有点令人失望的帖子」，另一条则要求 OpenAI「先修好你们弄坏的那些模型」。
下一步支持什么语言，OpenAI 把题目交回给用户
博客称，目标是让模型把软件工程技能带到更多语言上——读懂陌生的代码库、规划改动、使用构建工具、跑测试、调试失败——并称这些最新模型已可通过 API 在用户自己使用的语言上试用，用户反馈将影响后续的训练和评测方向。帖文则直接出题：「如果你们的团队正在维护这类系统，告诉我们下一步该处理哪些语言和工作流。」
回复区已经有人报了菜名：账号 建议把 RPG 和 PL/I 补进这份清单，账号 问能不能测试 Visual FoxPro。也有人较真定义——账号 问，把 Visual Basic 和 COBOL 并列算「低资源」，说的是 VB6 吗——.NET 时代的 VB 在资源占用上并不能和 COBOL 相提并论。而一个更直接的问题还挂在回复区里——账号 问：「这个模型什么时候发布？」帖文和博客都没有说明这些成绩对应的模型将以何种产品形式、按什么节奏提供。