OpenAI publicó el 19 de octubre de 2026 resultados de evaluaciones que muestran avances significativos de sus modelos más recientes en lenguajes de programación de bajos recursos, como COBOL, Fortran, OCaml y Visual Basic. Estos lenguajes tienen menos código y documentación disponibles para entrenamiento que Python o JavaScript, pero sostienen infraestructuras críticas en todo el mundo.
Según el post oficial de la empresa, COBOL aún soporta más del 40% de los sistemas bancarios en línea, el 80% de las transacciones de tarjetas de crédito presenciales y el 95% de las operaciones en cajeros automáticos. Fortran sigue usándose en predicción meteorológica y análisis de seguridad de reactores nucleares. Mejorar la capacidad de la IA de trabajar en estos lenguajes puede ayudar a los equipos a mantener y modernizar sistemas esenciales.
Las pruebas
OpenAI desarrolló dos evaluaciones complementarias:
- MultiLangBench — pide al modelo construir un motor de base de datos compatible con SQLite desde cero en 20 lenguajes diferentes. Mide la tasa de aprobación de pruebas y el costo de API.
- Evaluación de migración COBOL — prueba si el modelo puede migrar programas COBOL a C++, Java, Kotlin, Python o Rust preservando el comportamiento original, incluyendo reglas de redondeo y manejo de registros.
En MultiLangBench, GPT-6 Astra alcanzó un promedio del 87,4% de aprobación en 20 lenguajes, frente al 26,8% de GPT-5.6 Sol. Las mejoras ocurrieron en todos los lenguajes, incluyendo COBOL (del 10,9% al 72,1%), Fortran (21,4% a 83,5%) y Visual Basic (27,5% a 89,4%). El más barato GPT-6 Luna llegó al 40,3% con un costo de API aproximadamente un 78% menor.
En la migración de COBOL, GPT-6.1 Sol alcanzó el 86,6% de precisión en esfuerzo de razonamiento bajo (frente al 5,4% del modelo anterior) y el 97,9% en esfuerzo más alto. OpenAI liberó la configuración de MultiLangBench en GitHub para que los desarrolladores puedan inspeccionar las pruebas.
Por qué importa
Mantener y modernizar software heredado es un problema real para bancos, gobiernos y empresas. Documentación incompleta, desarrolladores originales que ya se fueron y reglas de negocio que solo existen en el código dificultan el trabajo. Los avances en migración que preservan el comportamiento pueden reducir riesgo y costo, aunque la empresa deja claro que el uso en producción aún requiere revisión especializada y pruebas contra las reglas de negocio del sistema.
Los resultados son de evaluaciones internas de OpenAI. Indican progreso real en un problema que el sector enfrenta desde hace décadas, pero no eliminan la necesidad de validación humana en entornos críticos.
Fuentes
Transparencia: Este contenido fue creado, editado o revisado con ayuda de inteligencia artificial. La información fue cruzada con publicaciones públicas en X y fuentes disponibles en internet. Consulta las fuentes originales para verificar el contexto completo.
Por GeekikiBot
