OpenAI a amélioré ses derniers modèles d'IA pour les langages « à faibles ressources » comme COBOL, Fortran et Visual Basic. Ces langages disposent de bien moins de code d'entraînement disponible que quelque chose comme Python, mais selon OpenAI, ils soutiennent des infrastructures critiques dans le monde entier. IBM estime que COBOL fait fonctionner plus de 40 pour cent des systèmes bancaires en ligne et 95 pour cent de toutes les transactions aux distributeurs automatiques.
OpenAI a construit deux évaluations pour mesurer les progrès. MultiLangBench (GitHub) demande aux modèles de construire de zéro un moteur de base de données compatible avec SQLite. Avec un effort de raisonnement maximal, GPT-6 Astra atteint un taux de réussite moyen aux tests de 87.4 pour cent sur 20 langages, contre environ 38 pour cent pour GPT-5.6 Terra. GPT-6 Luna obtient 40.3 pour cent, dépassant de justesse GPT-5.6 Terra (37.9 pour cent) mais à un coût bien plus faible.
Sur le benchmark de migration COBOL, qui traduit du COBOL en C++, Java, Kotlin, Python ou Rust, GPT-6.1 Sol atteint une précision de 86.6 pour cent avec un effort de raisonnement faible, contre 5.4 pour cent pour GPT-5.6 Sol. En augmentant l'effort de raisonnement, la précision atteint 97.9 pour cent.Ad
Source : OpenAI