OpenAI hat seine neuesten KI-Modelle für "low-resource"-Sprachen wie COBOL, Fortran und Visual Basic verbessert. Diese Sprachen haben weit weniger verfügbaren Trainingscode als etwa Python, aber laut OpenAIstützen sie kritische Infrastruktur weltweit. IBM schätzt, dass COBOL mehr als 40 Prozent der Online-Banking-Systeme und 95 Prozent aller ATM-Transaktionen antreibt.
OpenAI entwickelte zwei Evaluierungen, um Fortschritte zu messen. MultiLangBench (GitHub) fordert Modelle auf, eine SQLite-kompatible Datenbank-Engine von Grund auf zu bauen. Mit maximaler Reasoning-Anstrengung erreicht GPT-6 Astra eine durchschnittliche Testbestehensquote von 87,4 Prozent über 20 Sprachen, gegenüber etwa 38 Prozent bei GPT-5.6 Terra. GPT-6 Luna erzielt 40,3 Prozent und verdrängt GPT-5.6 Terra (37,9 Prozent) nur knapp, aber zu deutlich niedrigeren Kosten.
Beim COBOL-Migrations-Benchmark, der COBOL in C++, Java, Kotlin, Python oder Rust übersetzt, erreicht GPT-6.1 Sol 86,6 Prozent Genauigkeit bei geringer Reasoning-Anstrengung, gegenüber 5,4 Prozent bei GPT-5.6 Sol. Eine Erhöhung der Reasoning-Anstrengung steigert die Genauigkeit auf 97,9 Prozent.Anzeige
Quelle: OpenAI