COBOL 迁移在 OpenAI 2026 年 10 月 19 日发布的《Advancing coding in low-resource programming languages》里翻了盘。这篇官方研究文章给出两套新评测的结果：GPT-6.1 Sol 把 COBOL 程序迁移到现代语言的准确率，在低推理档位做到 86.6%，高推理档位冲到 97.9%；同一评测里，上一代 GPT-5.6 Sol 在低推理档位只有 5.4%。对守着几十年老系统的银行和政府机构来说，这个跳变的幅度比又一个主流语言跑分更值得看。
这次测的不是背语法，是真干活
OpenAI 这次搭了两个考场。第一个叫 MultiLangBench：让模型从零写出一个与 SQLite 兼容的数据库引擎，一共用 20 种编程语言分别实现，考的是组织代码、管理状态、处理错误和持续加功能时不弄坏已有功能的长程工程能力。第二个是 COBOL 迁移评测：把现有 COBOL 程序迁移到 C++、Java、Kotlin、Python 或 Rust，并用隐藏测试逐字节比对可观察输出，全部通过才算成功——业务逻辑变一点，账就算错了。两个考场一个测从零构建，一个测原样保真，正好对应老系统团队最常见的两类活。
进步最大的地方，恰好是最缺语料的语言
MultiLangBench 上，GPT-6 Astra 在 20 种语言的平均测试通过率达到 87.4%，上一代 GPT-5.6 Sol 是 26.8%，且每种语言都有提升。分语言看更直观：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%，OCaml 从 25.6% 升到 85.8%；20 种语言里有 19 种超过 83%，COBOL 仍是全场最难的一个。便宜的选择也在变强：GPT-6 Luna 平均通过率 40.3%，高于上一代旗舰，每样本的估算 API 成本约 0.77 美元，比 GPT-5.6 Sol 的 3.48 美元低了约 78%。迁移评测那边，GPT-6.1 Sol 做到 86.6% 时的成本也只有上一代的 61%。
为什么这件事的分量在金融和公共系统
低资源语言缺的不是热度，是身家性命。OpenAI 在文中引用的数据是：COBOL 支撑着超过 40% 的网上银行系统、80% 的线下刷卡交易和 95% 的 ATM 交易；Fortran 则用在天气预报和核反应堆安全分析里。这类代码的麻烦在于文档不全、原作者早已离职、关键业务规则只写在代码里。文中举的例子很典型：COBOL 的定点运算默认直接舍掉多余小数，除非代码明确要求四舍五入；迁移工具如果自作主张改成四舍五入，程序照常运行、不报错，算出来的钱却对不上。评测要求逐字节一致，防的正是这种静默出错。
能直接拿去迁生产系统吗
还不能。OpenAI 自己在文中把边界说得很清楚：把这类能力用到生产软件，仍然需要专家审查，并对照业务规则和系统依赖做完整测试。这次的分数也来自 OpenAI 自建的评测，外部能做的核查是把 MultiLangBench 的评测设置和测试套件拿来复跑——该套件已发布在 GitHub 上，各语言的逐项结果也一并公开。放到行业里看，编程模型的竞争正在离开主流语言的舒适区：DeepSeek-V4.1-Flash 此前在 DeepSWE 上升到 77 分，考的同样是更接近真实工程的任务。对老系统团队更稳妥的用法，是先挑一个有测试覆盖的模块做小规模迁移试点，用自家测试证明行为一致，再谈扩大范围。
