冷门语言，模型补课了。

OpenAI 昨天发了篇文章，讲新模型在 COBOL、Fortran、Visual Basic 这类「低资源语言」上的进步。低资源的意思是，能学的代码和文档比 Python、JavaScript 少得多。

📌 两个自家评测
• MultiLangBench：从 20 种语言里挑一种，从零写一个兼容 SQLite 的数据库引擎
• COBOL 迁移：把 COBOL 程序迁到 C++、Java、Kotlin、Python 或 Rust，隐藏测试要求输出逐字节一致

📌 MultiLangBench（推理档开满，自家评测）
• GPT-6 Astra 平均通过率 87.4%，GPT-5.6 Sol 是 26.8%
• COBOL 10.9%→72.1%，Fortran 21.4%→83.5%，Visual Basic 27.5%→89.4%，OCaml 25.6%→85.8%
• COBOL 还是里面难啃的那一门
• GPT-6 Luna 平均 40.3%，估算 API 成本每个样本 0.77 美元，GPT-5.6 Sol 是 3.48 美元，便宜约 78%

📌 COBOL 迁移（自家评测）
• GPT-6.1 Sol 低推理档 86.6%，GPT-5.6 Sol 是 5.4%，成本是后者的 61%
• 推理调高后到 97.9%

⚠️ OpenAI 自己也写了：真用到生产系统，还是要专家审查，并按业务规则和依赖做测试。这些分数都是自家评测，不是第三方测的。

我的看法：老系统迁移难就难在没人看得懂原代码，模型能先啃一遍是好事，但上线前的测试一步都省不了。

你手上还有老系统要迁移吗？

#AI资讯 #OpenAI #COBOL #AI编程 #ai #大模型 #howto用好AI #人工智能 #openai #codex