GPT-6.1 Sol 跨语言迁移成功率近满分，AI 改写老代码逼近可用
OpenAI 宣布，其模型在处理代码和文档相对稀缺的编程语言方面取得了显著进步。公司报告称，在一项内部测试中，GPT-6.1 Sol 在低推理强度下成功将 86.6% 的 COBOL 程序迁移至其他语言，而 GPT-5.6 Sol 的同一成绩仅为 5.4%。
该测试要求模型将 COBOL 程序迁移到 C++、Java、Kotlin、Python 或 Rust，同时保持原有行为不变。结果通过盲测验证，只有当新程序的输出与原程序逐字节一致时，迁移才被判定为成功。在最高推理强度下，GPT-6.1 Sol 的迁移成功率达到 97.9%。
准确复现程序行为对 COBOL 尤为重要，因为这类程序常用于处理金融交易和业务记录。例如，COBOL 的定点数运算会在开发者未明确指定舍入规则时直接截断多余小数位。重写后的程序即使运行无错，也可能因采用不同的舍入规则而产生错误的财务结果。
此外，OpenAI 还推出了 MultiLangBench 测试，要求模型使用 20 种编程语言从零编写一个兼容 SQLite 的数据库引擎。在最高推理强度下，GPT-6 Astra 平均通过了 87.4% 的测试，而 GPT-5.6 Sol 仅为 26.8%。Astra 在 Visual Basic 上得分为 89.4%，OCaml 为 85.8%，Fortran 为 83.5%，COBOL 为 72.1%。
成本更低的 GPT-6 Luna 在同一测试中平均得分为 40.3%。其单次运行估算成本为 0.77 美元，相比 GPT-5.6 Sol 的 3.48 美元降低了约 78%。
OpenAI 指出，与 Python 或 JavaScript 相比，COBOL、Fortran 和 Visual Basic 等语言可用的训练数据较少。然而，这些语言仍被广泛应用于银行系统、天气预报和核反应堆安全分析等领域，而文档缺失与遗留系统知识断层进一步增加了现代化改造的难度。
公司同时提醒，测试结果并不意味着关键软件已具备自动迁移的条件。此类变更仍需专家审查和测试，并充分考虑具体系统的业务规则与依赖关系。9 月下旬，OpenAI 推出了 GPT-6.1 Sol，作为 Astra 的更经济替代方案，在编程和计算机交互方面有所改进。
