GPT-6 系列在 COBOL、Fortran、Visual Basic 这类老语言上的编程能力大幅跃升。2026 年 10 月 19 日，OpenAI 在官方博客公布两项自建评测：GPT-6 Astra 在 20 种语言从零构建数据库引擎的测试中平均通过率达到 87.4%，上一代 GPT-5.6 Sol 只有 26.8%；在 COBOL 代码迁移测试中，GPT-6.1 Sol 在高推理强度下准确率达到 97.9%。这些语言在训练数据里占比很低，却支撑着大量关键系统：OpenAI 援引 IBM 的数据称，COBOL 支撑全球四成以上的网上银行系统、八成线下信用卡交易和 95% 的 ATM 交易，Fortran 则广泛用于天气预报和核反应堆安全分析。
第一项评测：用 20 种语言各写一遍数据库引擎
MultiLangBench 要求模型用指定语言从零实现一个兼容 SQLite 的数据库引擎，要处理状态管理、错误处理和持续加功能，并用参考实现校验生成数据库的内容是否正确。Astra 在 19 种语言上都超过 83%，分语言看，COBOL 从 10.9% 升到 72.1%，Fortran 从 21.4% 升到 83.5%，Visual Basic 从 27.5% 升到 89.4%；COBOL 仍是 20 种语言里最难的一种。低价款 GPT-6 Luna 平均通过率 40.3%，也全面超过 GPT-5.6 Sol，每个样本的估算 API 成本约 0.77 美元，比上一代的 3.48 美元低约 78%。OpenAI 已把 MultiLangBench 的评测设置和测试集放到 GitHub 开源，团队可以先查自己所用语言的具体成绩，再决定是否试点。
第二项评测：迁移时不能改掉一分钱的计算规则
COBOL 迁移评测要求把既有程序迁到 C++、Java、Kotlin、Python 或 Rust，并用隐藏测试做逐字节输出比对，全部通过才算成功。难点不在语法翻译，而在保住业务行为：例如 COBOL 的定点运算默认截断多余小数位，不显式要求就不四舍五入，迁移代码若改成四舍五入，程序不报错、账却算错。GPT-6.1 Sol 在低推理强度下准确率 86.6%，GPT-5.6 Sol 同档只有 5.4%，且成本低 39%；推理强度拉高后达到 97.9%，OpenAI 称这项评测已接近被刷满。
对维护老系统的团队意味着什么
这次公布的价值，是把“AI 能不能碰老系统”从印象变成了可复查的数字：想评估的团队可以直接用开源的 MultiLangBench 测自家语言组合，再小范围试点迁移。但边界同样写在公告里：评测通过不等于可以直接上线，COBOL 系统承载的舍入规则、缺失记录处理等业务细节，迁移到生产环境仍必须经过专家复核，并用本系统的业务规则和依赖关系再测一轮。接下来值得盯的是 Luna 这类低价款在真实仓库级任务中的表现，以及其他厂商会不会跟进公布同类低资源语言成绩。
