GPT-6.1 Sol迁移COBOL代码：低推理档准确率从5.4%跳到86.6%

COBOL、Fortran、Visual Basic，这些很少有人愿意碰的老语言，成了 OpenAI 这次拿出来秀的场子。

OpenAI 公布的数据里有两组测试。

第一组是让模型用 20 种语言从零写一个 SQLite 引擎。GPT-6 Astra 的平均通过率从上一代 GPT-5.6 Sol 的 26.8% 提到 87.4%；低价的 GPT-6 Luna 也有 40.3%，API 成本比之前降了 78%。

第二组更贴近实际业务：把老 COBOL 代码迁移到现代语言。GPT-6.1 Sol 在低推理强度下，准确率从 5.4% 一下到了 86.6%，成本还降了 39%；开到高推理强度，准确率 97.9%。评测集已经在 GitHub 开源。

5.4% 到 86.6%，这个跨度大得有点不寻常。

能解释的原因之一是低资源语言的训练数据本来就少，模型以前基本靠“猜”，一旦专门补了数据和训练，提升就是断崖式的。另一个原因可能是评测本身：迁移任务怎么判对错、测试用例覆盖了多少边界情况，直接决定这个百分比。好在评测集开源了，第三方很快就能复现。

COBOL 的现实意义不用多说，银行核心系统、保险、政府社保，大量还跑在几十年前的代码上，会写的人越来越少。真能做到 97.9% 的迁移准确率，剩下那 2.1% 也足以让一家银行的核心账务出问题，所以人工复核短期内省不掉。

但这已经足够让很多“不敢动”的老系统重新排上改造日程。