觀點 · 資訊分享
OpenAI 新模型改寫 COBOL 正確率 97.9%：冷門老語言不再是 AI 的弱點
OpenAI 公布兩項冷門程式語言測驗：GPT-6 Astra 在 20 種語言從零寫出 SQLite 相容引擎，平均通過率 87.4%；GPT-6.1 Sol 把 COBOL 程式搬到新語言，高推理強度下正確率 97.9%。測驗已在 GitHub 開源。
- 發布
- 2026-10-19
- 篇幅
- 約 4 分鐘 · 1,825 字
- 結構
- 7 節 + 3 題常見問題
- 標籤
一句話看懂：OpenAI 公布測驗結果，最新模型寫 COBOL、Fortran 這類冷門老語言的能力大幅進步，把 COBOL 程式搬到新語言的正確率最高達 97.9%，但正式上線前還是要靠人把關。
先用白話講：為什麼 AI 不會寫老語言？
AI 學寫程式，就像學生靠大量範例練習。Python、JavaScript 的範例在網路上到處都是，AI 練得很熟；但 COBOL 這種老牌語言，公開的程式碼和教學少得多，AI 等於只看過幾本舊課本，自然寫得不好。
問題是，這些老語言還在撐著很重要的系統。OpenAI 在文章中引用 IBM 的說法：COBOL 支撐了超過 40% 的網路銀行系統、80% 的實體刷卡交易和 95% 的 ATM 交易；Fortran 則用在天氣預報和核反應爐安全分析。
發生什麼事
OpenAI 在 10 月 19 日公布兩項測驗的結果，並把其中一項開源到 GitHub：
測驗一：MultiLangBench（從零寫出 SQLite）
- 要模型用指定語言，從零寫出一個與 SQLite 相容的資料庫引擎，共 20 種語言
- GPT-6 Astra（最高推理強度）平均通過率 87.4%，GPT-5.6 Sol 只有 26.8%；20 種語言中有 19 種超過 83%
- GPT-6 Luna 平均 40.3%，每個樣本約 0.77 美元，比 GPT-5.6 Sol 的 3.48 美元便宜約 78%
測驗二：COBOL 遷移
- 要模型把 COBOL 程式改寫成 C++、Java、Kotlin、Python 或 Rust，而且行為完全一樣
- GPT-6.1 Sol 在低推理強度下正確率 86.6%，GPT-5.6 Sol 同設定只有 5.4%，成本還少 39%
- 拉高推理強度後達 97.9%，官方說這個測驗已接近飽和
各語言的進步幅度
GPT-6 Astra 對比 GPT-5.6 Sol 在 MultiLangBench 的通過率：
| 語言 | GPT-5.6 Sol | GPT-6 Astra |
|---|---|---|
| COBOL | 10.9% | 72.1% |
| Fortran | 21.4% | 83.5% |
| OCaml | 25.6% | 85.8% |
| Visual Basic | 27.5% | 89.4% |
COBOL 仍是 20 種語言裡最難的一個。
給開發者的技術細節
依 GitHub 上的說明，MultiLangBench 的設計是：
- 目標是實作 SQLite 3.40.1，模型可以參考 SQLite 文件
- 測試由 SQLite 的 TCL 測試轉換而來：5.1 萬個中成功轉了 2.4 萬個；標準評測只跑名稱開頭為
00、01、02的 272 個 - 每個測試逾時 60 秒；輸出不符、當掉或逾時都算失敗
- 沒用指定語言、或混用其他語言，通過率直接算 0
- 評測環境不能連網，而且要移除所有 SQLite 的程式與函式庫
- 採用 Apache 2.0 授權
COBOL 遷移測驗則用隱藏測試，要求可觀察的輸出逐位元組一致，全部通過才算成功。官方特別舉例：COBOL 的定點數運算預設會捨去多餘小數，如果改寫時改成四捨五入，程式照樣能跑，但金額會算錯。
我的看法
這篇最實用的提醒，其實是那個捨去與四捨五入的例子：老系統最危險的不是看不懂，而是「改寫後看起來正常，結果卻差一點點」。金融、薪資、帳務這類系統，差一塊錢都是大事。
所以我會把這些模型當成很強的第一輪翻譯員，而不是可以直接上線的成品。如果你接到老系統改寫的案子，比較穩的做法是：先替舊系統建立完整的輸入與輸出對照資料，讓 AI 改寫後逐筆比對。OpenAI 自己也寫了，正式系統還是需要專家審查與依業務規則測試。
名詞小辭典
- COBOL：早期為商業處理設計的程式語言，至今仍大量用在銀行、保險與政府系統。
- 低資源語言（Low-resource Language）：網路上可供 AI 學習的範例和文件很少的程式語言。
- 推理強度（Reasoning Effort）：讓模型思考多久的設定，越高通常越準，但也越慢、越貴。
- SQLite：一個非常普及的輕量資料庫，手機 App 和瀏覽器裡都常見。