OpenAI заявила о 97,9% точности переноса кода с COBOL на современные языки

Компания OpenAI сообщила об улучшении способности своих ИИ-моделей работать с устаревшими языками программирования, которые до сих пор применяются в банках, корпорациях и государственных системах. По итогам тестов модель GPT-6.1 Sol смогла перенести программы с языка COBOL на современные языки программирования с сохранением их работоспособности в 97,9% случаев.

COBOL — язык программирования, созданный ещё в прошлом веке и широко применявшийся для бизнес-приложений. Его код до сих пор лежит в основе многих критически важных систем, но модернизация таких программ традиционно считалась дорогой и сложной задачей. Одна из причин — нехватка доступного кода и документации для обучения нейросетей, а также то, что разработчики старых приложений часто давно покинули компании. В ряде случаев бизнес-логика описана только в самом исходном коде, поэтому при переносе программы важно не просто переписать её, но и точно сохранить особенности обработки данных и вычислений.

Для проверки возможностей моделей OpenAI создала тест MultiLangBench, в рамках которого нейросеть должна самостоятельно написать совместимый с SQLite движок базы данных на одном из 20 языков программирования. Модель GPT-6 Astra при максимальном уровне рассуждений прошла в среднем 87,4% проверок — против 26,8% у предыдущей GPT-5.6 Sol. Наибольший прогресс показан именно на устаревших языках: результат по COBOL вырос с 10,9 до 72,1%, по Fortran — с 21,4 до 83,5%, по Visual Basic — с 27,5 до 89,4%. В 19 из 20 проверяемых языков показатель Astra превысил 83%.

Более доступная по цене модель GPT-6 Luna также улучшила результаты по сравнению с предшественницей, набрав в среднем 40,3% в MultiLangBench. При этом стоимость выполнения одного задания через API составила около 0,77 доллара против 3,48 доллара у GPT-5.6 Sol — расходы снизились примерно на 78%, хотя точность Luna заметно уступает показателям Astra.

Отдельно специалисты протестировали перенос программ именно с COBOL на языки C++, Java, Kotlin, Python и Rust. Условием успешного прохождения теста было полное повторение поведения оригинальной программы, включая правила округления чисел и обработку отсутствующих записей. При минимальном уровне рассуждений GPT-6.1 Sol справилась с 86,6% заданий против 5,4% у GPT-5.6 Sol, а стоимость обработки оказалась на 39% ниже. При повышении уровня рассуждений результат новой модели достиг максимальных 97,9%.

Почему это важно

Модернизация систем на устаревших языках вроде COBOL долгое время считалась слишком дорогой и рискованной задачей из-за нехватки специалистов и документации. Если ИИ-модели смогут с высокой точностью переносить такой код на современные языки, это способно существенно удешевить и ускорить обновление ИТ-инфраструктуры банков, корпораций и госструктур, которые годами откладывали переписывание старого ПО.

Интерес к этой теме растёт и у конкурентов OpenAI: в феврале компания Anthropic заявила о возможности автоматизировать часть работ по анализу и обновлению устаревшего программного обеспечения с помощью Claude Code. На фоне этого заявления заметно подешевели акции IBM, чьи мейнфреймы широко используются для выполнения подобных программ.

Главные цифры

• 97,9% заданий по переносу COBOL на современные языки успешно выполнила GPT-6.1 Sol при максимальном уровне рассуждений
• 87,4% проверок в тесте MultiLangBench прошла модель GPT-6 Astra против 26,8% у GPT-5.6 Sol
• Стоимость обработки одного задания через API снизилась с 3,48 до 0,77 доллара — примерно на 78%