OpenAI 于 10 月 20 日发布研究报告，称已显著增强 GPT6 Astra 等模型在 COBOL、Fortran、Visual Basic 这类低资源编程语言上的构建与迁移能力。这些语言公开的代码与文档稀少，却是银行、ATM、天气预报乃至核安全分析等关键系统的骨架平日没人碰、一旦出事却牵动全局。为量化实力，OpenAI 设下两套考题：MultiLangBench 要求模型用 20 种语言
从零搭出兼容 SQLite 的数据库引擎；另一项则要求把 COBOL 程序迁往 C、Java、Python、Rust，且必须原封不动保住原有的业务行为。成绩单相当亮眼：GPT6 Astra 在 20 种语言上的平均测试通过率达 874，较上代 GPT56 Sol 的 268 翻了三倍有余；单看冷门语种，COBOL 从 109 跃至 721，Fortran 从 214 升到 835，Visual B
asic 从 275 冲到 894。便宜梯队也能打，迁移逼近评测天花板更讨喜的是成本侧。便宜些的 GPT6 Luna 平均通过率 403，但 API 开销较 GPT56 Sol 压低约 78。
而在 COBOL 专项迁移里，GPT61 Sol 即便在低推理强度下，准确率也达 866，远甩 GPT56 Sol 的 54，成本还降了 39；切到更高推理强度，准确率直接摸到 979，几乎贴着评测上限这意味着把一段跑了几十年的银行核心代码换成现代语言，机器已能交出近乎可用的答卷。OpenAI 点明，这套进展能帮企业维护老旧系统、修补缺陷、推进软件现代化。但公司也留了清醒注脚：把 AI 迁移结果搬
进生产环境，仍需专家审查，并结合具体业务规则与依赖关系做测试。毕竟那些支撑 ATM 与核电站的代码，容不得一句差不多模型能大幅缩短从读懂到改写的距离，却还远未到替人类拍板的那一步。。
