IT之家 Meldung vom 21. Oktober: OpenAI veröffentlichte gestern (20. Oktober) einen Forschungsbericht,in dem die Fähigkeit von Modellen wie GPT-6 Astra verbessert wird, um in „Low-Resource-Programmiersprachen“ wie COBOL, Fortran und Visual Basic zu entwickeln und Code zu migrieren.Diese Sprachen verfügen zwar über wenig öffentlich zugänglichen Code und Dokumentation, stützen aber weithin kritische Systeme wie Banken, Geldautomaten, Wettervorhersagen und nukleare Sicherheitsanalysen.
Um die Fähigkeiten zu messen, führte OpenAI zwei Bewertungen ein: MultiLangBench verlangt von den Modellen, mit 20 Sprachen von Grund auf eine SQLite-kompatible Datenbank-Engine zu entwickeln; eine weitere Bewertung verlangt, dass die Modelle COBOL-Programme unter Beibehaltung des ursprünglichen Geschäftsverhaltens in Sprachen wie C++, Java, Python und Rust migrieren.
Die Ergebnisse zeigen, dass GPT-6 Astra in MultiLangBench über alle 20 Sprachen hinweg eine durchschnittliche Testbestehensquote von 87.4 % erreichte, ein deutlicher Anstieg gegenüber den 26.8 % von GPT-5.6 Sol; dabei stieg COBOL von 10.9 % auf 72.1 %, Fortran von 21.4 % auf 83.5 % und Visual Basic von 27.5 % auf 89.4 %.
Das kostengünstigere GPT-6 Luna erreichte eine durchschnittliche Bestehensquote von 40.3 %, wobei die geschätzten API-Kosten etwa 78 % niedriger sind als bei GPT-5.6 Sol. IT之家 fügt die zugehörigen Bilder bei:
In der COBOL-Migrationsbewertung erreichte GPT-6.1 Sol bei niedriger Inferenzstärke eine Genauigkeit von 86.6 %, weit über den 5.4 % von GPT-5.6 Sol, bei um 39 % sinkenden Kosten; bei höherer Inferenzstärke erreichte die Genauigkeit 97.9 %, nahe am Bewertungslimit.
OpenAI erklärte, dieser Fortschritt helfe Unternehmen, veraltete Systeme zu warten, Fehler zu beheben und die Modernisierung von Software voranzutreiben. Das Unternehmen betonte jedoch auch, dass KI-Migrationsergebnisse für Produktionsumgebungen weiterhin einer Expertenprüfung bedürfen und unter Berücksichtigung der spezifischen Geschäftsregeln und Abhängigkeiten getestet werden müssen.