ChatGPT bierze się za Fortran i COBOL. Wynik 97,9 proc. robi wrażenie

Sztuczna inteligencja może pomóc rozwiązać jeden z najbardziej kosztownych problemów branży IT. OpenAI poinformowało o postępach w przenoszeniu przestarzałego oprogramowania na nowoczesne języki programowania. Model GPT-6.1 Sol osiągnął 97,9 proc. skuteczności w teście konwersji starszego kodu. To ważna wiadomość dla banków i firm, które wciąż polegają na systemach napisanych przed dekadami.

Banki i instytucje finansowe nadal opierają swoją codzienną działalność na oprogramowaniu opracowanym dziesiątki lat temu. Modernizacja tych systemów nie polega jedynie na przeniesieniu starego kodu do nowych języków programowania. Wymaga to zachowania istniejących obliczeń, reguł biznesowych i zachowań aplikacji. W przeciwnym razie, nawet jeśli nowe oprogramowanie będzie pozornie działać, jego używanie może prowadzić do odmiennych rezultatów w transakcjach finansowych.

Our latest model advances bring stronger capabilities for building and migrating software in low-resource programming languages such as COBOL, Fortran, and Visual Basic. These languages power software that banks, governments, and businesses depend on. Progress here means understanding decades of business logic and helping developers modernize those systems while preserving what works. We’re building these capabilities around the challenges developers and enterprise customers bring us. If your team is working on these systems, tell us which languages and workflows we should tackle next. https://t.co/2TbnkQixJ1

— OpenAI (@OpenAI) October 19, 2026

Stary kod to problem, którego nie da się łatwo rozwiązać

W szczególności COBOL odgrywa znaczącą rolę w infrastrukturze sektora finansowego. Według szacunków IBM, język ten obsługuje ponad 40% systemów bankowości internetowej, 80% transakcji kartami kredytowymi i 95% transakcji w bankomatach.

Fortran, używany w obliczeniach naukowych, nadal zajmuje bardzo ważne miejsce. Używany w krytycznych obszarach, takich jak prognozowanie pogody i analiza bezpieczeństwa reaktorów jądrowych, język ten dysponuje obecnie bardziej ograniczonymi danymi treningowymi w porównaniu z popularnymi alternatywami, takimi jak Python i JavaScript.

OpenAI zauważa, że ​​programiści i klienci korporacyjni mają trudności z osiąganiem wiarygodnych rezultatów w starszych językach programowania. Brak dokumentacji technicznej w tych językach oraz fakt, że niektóre podstawowe reguły biznesowe znajdują się jedynie w istniejącym kodzie, dodatkowo komplikują proces przejścia.

Na przykład COBOL może pomijać dodatkowe miejsca dziesiętne, gdy zaokrąglanie nie jest jawnie wymagane w programie. Gdy nowe oprogramowanie obsługuje to inaczej, wyniki obliczeń finansowych mogą się zmienić. Dlatego konwersja kodu nie polega wyłącznie na tym, jak kod działa. Nowy kod musi również generować takie same wyniki, jak oryginalne oprogramowanie.

Dokładność konwersji kodu na poziomie 97,9%.

W tym kontekście OpenAI przeprowadziło ocenę mierzącą zdolność swoich modeli do konwersji starszych programów COBOL na C++, Java, Kotlin, Python lub Rust. Test sprawdza, czy przekonwertowane programy zachowują się tak samo, jak oryginalne oprogramowanie.

GPT-6.1 Sol, działając na wysokim poziomie rozumowania, osiągnął 97,9% wskaźnik dokładności. Aby zaliczyć test, przekonwertowane programy muszą przejść wszystkie sprawdziany. Testy te obejmują kontrole porównujące obserwowalne wyniki programów z ich oryginalnymi wersjami.

OpenAI przetestowało również swoje modele w innym teście o nazwie MultiLangBench. Test ten mierzy zdolność modeli do tworzenia silnika bazy danych kompatybilnego z SQLite przy użyciu 20 różnych języków programowania.

GPT-6 Astra osiągnął średni wskaźnik sukcesu na poziomie 87,4% w testach. Model GPT-5.6 Sol miał wynik na poziomie 26,8%. Astra wypadła lepiej niż jej poprzednik we wszystkich 20 ocenianych językach programowania.

Poprawa w starszych językach programowania jest jeszcze bardziej znacząca. Wskaźnik sukcesu dla Fortrana wzrósł z 21,4% do 83,5%, a dla Visual Basica z 27,5% do 89,4%. COBOL pozostał najtrudniejszym testowanym językiem. Niemniej jednak, wskaźnik sukcesu GPT-6 Astra w tym języku wzrósł z 10,9% do 72,1%.