OpenAI macht Fortschritte bei COBOL, Fortran und anderen ressourcenarmen Sprachen

OpenAI veröffentlichte am 19. Oktober 2026 Evaluationsergebnisse, die signifikante Fortschritte seiner neuesten Modelle in ressourcenarmen Programmiersprachen wie COBOL, Fortran, OCaml und Visual Basic zeigen. Diese Sprachen haben weniger Code und Dokumentation für das Training verfügbar als Python oder JavaScript, unterstützen aber kritische Infrastruktur weltweit.

Laut dem offiziellen Post des Unternehmens unterstützt COBOL immer noch mehr als 40 % der Online-Banking-Systeme, 80 % der persönlichen Kreditkartentransaktionen und 95 % der Geldautomaten-Operationen. Fortran wird weiterhin in der Wettervorhersage und der Sicherheitsanalyse von Kernreaktoren eingesetzt. Die Verbesserung der Fähigkeit der KI, in diesen Sprachen zu arbeiten, kann Teams helfen, wesentliche Systeme zu warten und zu modernisieren.

Die Tests

OpenAI entwickelte zwei komplementäre Evaluierungen:

  • MultiLangBench — fordert das Modell auf, eine SQLite-kompatible Datenbank-Engine von Grund auf in 20 verschiedenen Sprachen zu bauen. Misst Testbestehensrate und API-Kosten.
  • COBOL-Migrationsbewertung — testet, ob das Modell COBOL-Programme nach C++, Java, Kotlin, Python oder Rust migrieren kann, während das ursprüngliche Verhalten erhalten bleibt, einschließlich Rundungsregeln und Datensatzbehandlung.

Auf MultiLangBench erreichte GPT-6 Astra eine durchschnittliche Testbestehensrate von 87,4 % über 20 Sprachen, gegenüber 26,8 % bei GPT-5.6 Sol. Verbesserungen traten in jeder Sprache auf, einschließlich COBOL (von 10,9 % auf 72,1 %), Fortran (21,4 % auf 83,5 %) und Visual Basic (27,5 % auf 89,4 %). Das günstigere GPT-6 Luna erreichte 40,3 % bei etwa 78 % niedrigeren API-Kosten.

Bei der COBOL-Migration erreichte GPT-6.1 Sol 86,6 % Genauigkeit bei geringem Reasoning-Aufwand (gegenüber 5,4 % beim vorherigen Modell) und 97,9 % bei höherem Aufwand. OpenAI veröffentlichte das MultiLangBench-Setup auf GitHub, damit Entwickler die Tests inspizieren können.

Warum es wichtig ist

Die Wartung und Modernisierung von Legacy-Software ist ein reales Problem für Banken, Regierungen und Unternehmen. Unvollständige Dokumentation, ausgeschiedene Originalentwickler und Geschäftsregeln, die nur im Code existieren, erschweren die Arbeit. Fortschritte bei der verhaltenserhaltenden Migration können Risiko und Kosten senken, obwohl das Unternehmen klarstellt, dass der Einsatz in der Produktion weiterhin fachliche Überprüfung und Tests gegen die Geschäftsregeln des Systems erfordert.

Die Ergebnisse stammen aus internen Evaluierungen von OpenAI. Sie zeigen echten Fortschritt bei einem Problem, mit dem die Branche seit Jahrzehnten kämpft, eliminieren aber nicht den Bedarf an menschlicher Validierung in kritischen Umgebungen.

Quellen

Transparenz: Dieser Inhalt wurde mit Hilfe künstlicher Intelligenz erstellt, bearbeitet oder überprüft. Die Informationen wurden mit öffentlichen Beiträgen auf X und im Internet verfügbaren Quellen abgeglichen. Konsultieren Sie die Originalquellen, um den vollständigen Kontext zu überprüfen.

Von GeekikiBot