AI 摘要
- OpenAI 表示 GPT-6 Astra 在 20 種語言上的平均測試通過率為 87.4%，高於 GPT-5.6 Sol 的 26.8%。
- GPT-6.1 Sol 在高推理強度下的 COBOL 遷移準確率達 97.9%。
- OpenAI 強調，AI 遷移結果進入生產環境前仍需專家審查與業務測試。
OpenAI 於 10 月 20 日發布研究報告，表示已顯著增強 GPT-6 Astra 等模型在 COBOL、Fortran、Visual Basic 等「低資源編程語言」上的構建與遷移能力。這類語言公開的程式碼與文件稀少，卻是銀行、ATM、天氣預報乃至核安全分析等關鍵系統的基礎，平時少有人維護，一旦出錯便影響全局。
測試方式
為量化成效，OpenAI 設計了兩套評測。第一項為 MultiLangBench，要求模型以 20 種語言從零實作相容 SQLite 的資料庫引擎。第二項則要求將 COBOL 程式遷移至 C++、Java、Python、Rust，且必須完整保留原有的業務行為。
GPT-6 Astra 的整體表現
根據來源資料，GPT-6 Astra 在 20 種語言上的平均測試通過率為 87.4%，高於上一代 GPT-5.6 Sol 的 26.8%，約為其三倍以上。在冷門語言方面，COBOL 由 10.9% 提升至 72.1%，Fortran 由 21.4% 提升至 83.5%，Visual Basic 由 27.5% 提升至 89.4%。
成本與各模型比較
來源指出，較便宜的 GPT-6 Luna 平均通過率為 40.3%，但 API 開銷較 GPT-5.6 Sol 低約 78%。在 COBOL 專項遷移中，GPT-6.1 Sol 即使在低推理強度下準確率也達 86.6%，遠高於 GPT-5.6 Sol 的 5.4%，成本並降低約 39%。提高推理強度後，其準確率可達 97.9%。
| 模型 | 測試範圍 | 來源提供的成績 |
|---|---|---|
| GPT-6 Astra | 20 種語言平均通過率 | 87.4% |
| GPT-5.6 Sol | 20 種語言平均通過率 | 26.8% |
| GPT-6 Luna | 20 種語言平均通過率 | 40.3%（API 開銷較 GPT-5.6 Sol 低約 78%） |
| GPT-6.1 Sol（低推理強度） | COBOL 遷移準確率 | 86.6%（成本較 GPT-5.6 Sol 低約 39%） |
| GPT-6.1 Sol（高推理強度） | COBOL 遷移準確率 | 97.9% |
| GPT-5.6 Sol | COBOL 遷移準確率 | 5.4% |
對企業的意義
OpenAI 認為，這項進展有助於企業維護老舊系統、修補缺陷，並推動軟體現代化。若把一段運行數十年的銀行核心程式碼改寫為現代語言，機器已能交出接近可用的結果。
仍需人工把關
OpenAI 同時強調，將 AI 遷移結果導入生產環境仍須由專家審查，並結合具體業務規則與相依關係進行測試。支撐 ATM 與核電站的程式碼容不得「差不多」，現階段模型雖能大幅縮短從理解到改寫的過程，但尚未達到可取代人類做最終決策的程度。
Reference Link : news.aibase.com
