OpenAI 評測老牌語言：GPT-6.1 Sol 改寫 COBOL 準確率達 86.6%，開源 MultiLangBench 基準

OpenAI 公布新一代模型在 COBOL、Fortran、Visual Basic 等低資源老牌程式語言的測試成績，並在 GitHub 開源涵蓋 20 種語言的 MultiLangBench 基準題組與測試環境。OpenAI 引述 IBM 數據指出，COBOL 目前仍支撐逾 40% 網路銀行系統、80% 實體刷卡與 95% 的 ATM 交易，但面臨文件缺乏且業務規則僅留存在舊程式碼的維護瓶頸。 在 COBOL 移轉測試中，模型需將程式改寫為 C++、Java、Kotlin、Python 或 Rust，並通過隱藏測試確保可觀察輸出逐位元組（byte-for-byte）一致，避免浮點運算或捨去規則改變影響財務結果。GPT-6.1 Sol 在低推理強度下的移轉準確率達 86.6%，API 成本為前代 GPT-5.6 Sol 的 61%，而 GPT-5.6 Sol 過去在同設定下僅有 5.4%；在調高推理強度後，GPT-6.1 Sol 的準確率提升至 97.9%。 開源的 MultiLangBench 基準以 SQLite 3.40.1 為依據，要求模型在離線且無既有檔案的環境下，用指定語言從零實作相容的資料庫引擎。在最高推理強度下，旗艦模型 GPT-6 Astra 的 20 種語言平均通過率為 87.4%（前代成績在 INSIDE 報導為 GPT-5.6 Sol 的 26.8%，外媒 The Decoder 則記載為 GPT-5.6 Terra 約 38%）。個別語言方面，Astra 在 COBOL 的通過率由 10.9% 提升至 72.1%，Fortran 達 83.5%，Visual Basic 達 89.4%，OCaml 達 85.8%。此外，GPT-6.1 Sol 通過率約 87.0%，其標準輸入輸出價格為 Astra 的五分之一；低成本模型 GPT-6 Luna 通過率為 40.3%，每樣本預估成本 0.77 美元，較前代 GPT-5.6 Sol 的 3.48 美元降低約 78%。 除了 OpenAI，Anthropic 亦曾於 2 月表示 Claude Code 能協助梳理 COBOL 依賴並加速現代化。OpenAI 特別註明，模型產生的移轉程式碼若要部署至正式上線系統，仍須由專業人員依照系統業務規則進行嚴格審查與測試。