一套仍在银行、天气预报和工业系统里运行的旧代码，往往比一段新写的应用更难让AI接手。它可能没有完整文档，原开发者早已离开，账务舍入和异常处理却被多年业务流程默默依赖。10月19日，OpenAI公布针对COBOL、Fortran、Visual Basic等“低资源编程语言”的新评测：在其自建的MultiLangBench中，GPT-6 Astra跨20种语言的平均测试通过率为87.4%，而对照的GPT-5.6 Sol为26.8%；另一套COBOL迁移评测里，GPT-6.1 Sol在低推理档达到86.6%的准确率。数字值得关注，但它们是特定测试条件下的结果，不是金融机构可以把主机程序一键迁走的验收单。
所谓低资源，不是说这些语言不重要，而是公开代码、教程和现代工具链相对少，模型能从中学习的样本也更有限。大型组织恰恰因为系统稳定、替换代价高，才会把关键业务继续留在这些语言里。工程团队需要的不只是让模型“看懂语法”，还要让它理解数据如何进出、不同模块之间有哪些隐含约定、一次错误会触发什么后续账务。OpenAI此次没有宣布完成某家银行的整体迁移，而是公开两种更窄、更容易复核的能力测试。把评测边界看清楚，比单看百分比更有用。
一边从头造数据库，一边迁移旧程序：两种难题不能混为一谈
MultiLangBench要求模型用指定语言从头建立一个兼容SQLite行为的数据库引擎。程序接收初始数据库和SQL查询，输出改动后的数据库文件，再由参考SQLite实现检查结果是否一致。这样的设计尽量让20种语言站在同一套输出规则前，测试的是长时间组织代码、维护状态、处理错误和迭代功能的能力。它不是“写十道算法题”的短跑，也不是对所有企业遗留系统的直接模拟。一个模型在受控测试集中能处理常见SQL行为，到了有几十年历史的内部系统，仍会面对自定义数据格式、权限、批处理顺序和外部接口。
OpenAI披露，Astra在20种语言上的平均通过率从旧对照模型的26.8%升至87.4%；COBOL单项从10.9%升至72.1%，仍是所列语言里最难的一项。OCaml、Fortran和Visual Basic的测试通过率也显著提高。另一条路线是GPT-6 Luna：平均达到40.3%，估算每个样本的API成本约0.77美元，对照模型约3.48美元。低成本模型并未追上Astra的整体表现，却说明采购决策不能只问“最强是哪一个”。若任务是梳理代码、生成候选测试或定位低风险问题，成本和吞吐量可能比单项榜首更重要；若任务涉及交易规则，则验证成本和可解释的失败边界必须优先。
这里还有一个容易被标题遮住的细节：OpenAI已发布评测设置与测试套件，外部团队可以检查题目和结果，但发布方仍是模型厂商。测试通过率反映所设题目的覆盖范围和判分方式，不能自动外推到未公开的生产代码。即使同一门语言，不同行业的方言、编译器和数据库约束也可能完全不同。对企业而言，合理的下一步是把自身代码中的代表性样本转成可重复的回归测试，记录模型在哪类任务上出错，再决定能否扩到更大范围。
真正难的迁移，是把旧行为连同那些“不漂亮”的细节一起保住
第二套评测让模型把COBOL程序迁移到C++、Java、Kotlin、Python或Rust，隐藏测试要求可观察输出逐字节一致。OpenAI特别指出，COBOL定点数运算在未明确要求舍入时可能直接截去多余小数；新语言若自作主张改成四舍五入，代码照样能跑，财务结果却变了。真实系统里的这种差异往往比语法错误更危险：软件不会崩溃，偏差会在月末对账、利息计算或客户投诉时才显现。
在这套评测中，GPT-6.1 Sol低推理档的准确率为86.6%，对照GPT-5.6 Sol的5.4%，OpenAI称API成本降低39%；提高推理投入后准确率达到97.9%。接近饱和的，是这套迁移评测，并非所有COBOL代码的迁移工作。隐藏测试能够减少“看过答案”的风险，却不能包含每家公司的监管义务、账务历史和容错惯例。尤其当旧系统本身存在不合理但被依赖的行为时，项目还必须先决定是保持兼容，还是经业务批准后有意改变。模型可以提出重写方案，不能代替系统负责人签署这项决定。
更实际的落地顺序，是先在非生产副本上抽取关键流程，建立旧程序的输入输出基线和边界用例，再让模型生成可审核的迁移版本。测试不仅要覆盖通常交易，还要覆盖空记录、异常日期、重复消息、货币精度和回滚路径。然后由懂业务的人检查差异，逐段切流并保留可回退机制。若原系统连行为基线都没有，模型跑得再快，也只是更快地产生一个无法证明正确的新系统。
这次OpenAI给出的信号，不是“AI已经解决遗留系统”，而是评测正在从热门开发语言转向企业最难替换的基础软件。未来最有价值的进步，可能不是演示里多写了多少代码，而是在明确成本、失败样本和业务责任的前提下，缩短发现旧系统隐含规则的时间。那需要模型能力，也需要企业愿意为测试、审计和人工复核付费。
来源：OpenAI，2026年10月19日《Advancing coding in low-resource programming languages》：https://openai.com/index/low-resource-programming-languages/
