OpenAI는 10월 20일 연구 보고서를 발표하고, GPT-6 Astra 등 모델이 COBOL, Fortran, Visual Basic 같은 "저자원 프로그래밍 언어"에서 구축 및 마이그레이션 능력이 크게 향상되었다고 밝혔다. 이들 언어는 공개된 코드와 문서가 드물지만, 은행, ATM, 일기예보는 물론 핵안전 분석 등 핵심 시스템의 뼈대다——평소에는 아무도 손대지 않지만, 문제가 생기면 전체가 좌우된다.
실력을 정량화하기 위해 OpenAI는 두 가지 시험 문제 세트를 마련했다: MultiLangBench는 모델이 20개 언어로 SQLite 호환 데이터베이스 엔진을 처음부터 구축하도록 요구했고, 다른 하나는 COBOL 프로그램을 C++, Java, Python, Rust로 이전하면서 기존 비즈니스 동작을 그대로 유지해야 했다. 성적표는 상당히 인상적이다: GPT-6 Astra는 20개 언어에서 평균 테스트 통과율 87.4%를 기록해, 전 세대 GPT-5.6 Sol의 26.8%보다 세 배 이상 뛰었다; 저조한 언어만 보면 COBOL은 10.9%에서 72.1%로, Fortran은 21.4%에서 83.5%로, Visual Basic은 27.5%에서 89.4%로 급상승했다.
저가형 계층도 쓸 만하다, 마이그레이션은 평가 상한에 근접
더 반가운 것은 비용 측면이다. 더 저렴한 GPT-6 Luna는 평균 통과율 40.3%지만, API 비용이 GPT-5.6 Sol 대비 약 78% 절감되었다. COBOL 전문 마이그레이션에서는 GPT-6.1 Sol이 낮은 추론 강도에서도 정확도 86.6%를 기록해, GPT-5.6 Sol의 5.4%를 크게 앞섰고 비용도 39% 낮아졌다; 더 높은 추론 강도로 전환하면 정확도가 곧장 97.9%에 도달해 평가 상한에 거의 근접한다——이는 수십 년간 돌아온 은행 핵심 코드를 현대 언어로 교체할 때, 기계가 이미 거의 실용적인 결과물을 낼 수 있음을 의미한다.
OpenAI는 이번 진전이 기업들이 낡은 시스템을 유지보수하고 결함을修补하며 소프트웨어 현대화를 추진하는 데 도움이 될 수 있다고 밝혔다. 그러나 회사는 또한 냉정한 각주를 남겼다: AI 마이그레이션 결과를 프로덕션 환경에 반영하려면 여전히 전문가 검토가 필요하며, 구체적인 비즈니스 규칙과 의존 관계를 결합해 테스트해야 한다. ATM과 원자력 발전소를 지탱하는 코드는 '비슷하다'는 말을 용납하지 않는다——모델은 이해에서 재작성까지의 거리를 크게 줄일 수 있지만, 인간을 대신해 최종 결정을 내릴 단계에는 아직 멀다.