OpenAI оновила свої моделі так, щоб вони краще писали й переносили код мовами з обмеженою базою для навчання — COBOL, Fortran, Visual Basic та OCaml. Для перевірки прогресу компанія створила два власні бенчмарки. На одному з них нова модель виконала міграцію COBOL-коду з точністю 86,6% проти лише 5,4% у попередньої версії, і при цьому вийшла дешевшою.

Чому «бідні» мови насправді критично важливі

У розробці мову вважають малоресурсною, якщо для неї мало відкритого коду та документації. Через це моделям штучного інтелекту просто немає на чому вчитися, і з Python чи JavaScript вони справляються значно впевненіше. Водночас саме ці «забуті» мови досі тримають на собі ключову інфраструктуру: за даними IBM, на які посилається OpenAI, COBOL обслуговує понад 40% систем онлайн-банкінгу, 80% карткових платежів у звичайних магазинах та 95% операцій у банкоматах. Fortran і далі застосовують для прогнозів погоди та перевірки безпеки ядерних об'єктів. Crypto Briefing оцінює, що в промисловій експлуатації й досі перебуває близько 800 мільярдів рядків коду COBOL.

Складність не лише в самій мові. Документація до таких систем часто неповна, фахівці, що їх писали, давно звільнилися, а бізнес-логіка подекуди зберігається тільки в тексті коду. Додатково кількість спеціалістів, здатних з цим працювати, невпинно скорочується, тоді як витрати на підтримку систем зростають.

Два тести замість гучних обіцянок

Аби отримати вимірний прогрес, а не просто слова, OpenAI підготувала дві перевірки, кожна з яких оцінює окрему навичку: написання нового коду з нуля та збереження поведінки вже наявних програм.

  • MultiLangBench. Модель повинна самостійно написати рушій бази даних, сумісний із SQLite, заданою мовою. Тести охоплюють структуру коду, керування станом, обробку помилок і додавання нових можливостей без поломки вже написаного. Результат порівнюють з еталонною реалізацією SQLite, а однаковий набір перевірок застосовують до всіх 20 мов.
  • Міграція COBOL. Модель переносить програми на C++, Java, Kotlin, Python або Rust. Перевірка сувора: приховані тести вимагають побайтового збігу з очікуваними результатами, і перенесення зараховують успішним, лише якщо пройдено абсолютно всі тести.

Що показав MultiLangBench

Найкращий результат продемонструвала GPT-6 Astra з максимальним рівнем міркування — у середньому вона долає 87,4% тестів у 20 мовах, тоді як GPT-5.6 Sol зупинялася на позначці 26,8%. Прогрес помітний у кожній з досліджених мов, а у 19 із 20 Astra перевищує поріг у 83%. Найважчим виявився саме COBOL, де результат становив 72%.

  • COBOL: 10,9% (GPT-5.6 Sol) → 17,1% (GPT-6 Luna) → 72,1% (GPT-6 Astra)
  • OCaml: 25,6% → 34,1% → 85,8%
  • Fortran: 21,4% → 31,4% → 83,5%
  • Visual Basic: 27,5% → 41,6% → 89,4%
  • Середнє за 20 мовами: 26,8% → 40,3% → 87,4%

Є й економніший варіант: GPT-6 Luna хоч і поступається Astra, але обходить GPT-5.6 Sol у кожній із мов. Середня оцінна вартість одного API-запиту для неї становить $0,77 за зразок проти $3,48 у GPT-5.6 Sol — приблизно на 78% дешевше. OpenAI виклала весь набір тестів і результати по кожній мові на GitHub, щоб розробники могли самостійно перевірити, як модель впорається саме з їхнім стеком технологій.

Міграція COBOL: коли «запустилося» ще не означає «правильно»

У тесті на міграцію GPT-6.1 Sol з низьким рівнем міркування показала точність 86,6%. GPT-5.6 Sol за тих самих налаштувань набрала лише 5,4%, а витрати нової моделі склали приблизно 61% від витрат попередниці. На вищих рівнях міркування точність сягає 97,9% — тест практично вичерпано.

Складність у тому, що COBOL-програми найчастіше працюють із фінансовими транзакціями та бізнес-записами, де навіть незначна деталь може бути вимогою закону чи бізнесу. OpenAI наводить приклад: у фіксованій арифметиці COBOL зайві десяткові знаки просто відкидаються, якщо не задано явне округлення. Якщо під час перенесення значення почнуть округлювати автоматично, програма запуститься без видимих помилок, проте фінансові підсумки вже будуть іншими.

За словами Crypto Briefing, у регульованих галузях подібні інструменти оцінюватимуть не за тим, чи компілюється новий код, а за тим, наскільки точно він відтворює ті самі результати, що й стара система. Навіть незначні розбіжності після міграції здатні створити серйозні проблеми з комплаєнсом.

Хто ще бореться за ринок застарілих систем

OpenAI не самотня в прагненні модернізувати legacy-системи. Anthropic випустила власне оновлення, пов'язане з COBOL, ще в лютому 2026 року, після чого акції IBM впали приблизно на 13%. Сама IBM пропонує власний інструмент watsonx Code Assistant для перекладу COBOL у Java. За даними видання, агентні ШІ-процеси на базі моделей OpenAI вже здатні самостійно перекладати й оптимізувати код Fortran, подекуди витрачаючи на це лише кілька доларів на одне обчислювальне ядро.

Застереження від самої компанії

Навіть у OpenAI визнають, що високі результати тестів не означають готовність до промислового впровадження. Компанія наголошує, що для реальних систем усе одно потрібна експертна перевірка та тестування на відповідність бізнес-правилам і наявним залежностям. OpenAI також закликає розробників і корпоративних клієнтів ділитися відгуками про те, де моделі помиляються і які мови чи процеси варто вдосконалювати наступними.

Нові моделі вже доступні через API для випробування на задачах у власному технологічному стеку. Нагадаємо, за даними Linux Foundation, застарілі мови програмування становлять потенційний ризик для безпеки.

Джерело: Highload.tech