OpenAI ha pubblicato una valutazione dedicata ai linguaggi di programmazione a bassa disponibilità di risorse, cioè quelli per cui esistono poco codice e poca documentazione da usare per addestrare un modello. Tra questi ci sono COBOL, Fortran e Visual Basic, linguaggi ancora in uso in banche, enti pubblici e grandi aziende, dove una parte consistente dei sistemi critici continua a girare su codice scritto decenni fa.
Il cuore dell'annuncio è MultiLangBench, un benchmark che chiede al modello di costruire da zero un motore di database compatibile con SQLite in 20 linguaggi diversi. Il dato centrale è che GPT-6 Astra raggiunge una percentuale media di test superati pari all'87,4%, contro il 26,8% di GPT-5.6 Sol. Il miglioramento riguarda tutti e 20 i linguaggi testati. Il benchmark è stato pubblicato su GitHub, quindi chiunque può riprodurlo.
La migrazione del COBOL
Il secondo test riguarda la traduzione di programmi COBOL in C++, Java, Kotlin, Python e Rust, un compito che le aziende affrontano quando vogliono modernizzare i propri sistemi senza perdere la logica di business già consolidata. Qui GPT-6.1 Sol arriva all'86,6% di accuratezza con uno sforzo di ragionamento basso, mentre GPT-5.6 Sol si ferma al 5,4% nelle stesse condizioni. Con uno sforzo di ragionamento alto, il risultato sale al 97,9%. Secondo OpenAI, il modello più recente costa anche il 39% in meno del precedente.
La versione leggera GPT-6 Luna supera GPT-5.6 Sol in tutti i linguaggi, con una media del 40,3% e un costo stimato di circa 0,77 dollari per prova, contro i 3,48 dollari del modello precedente.
Perché conta per le imprese
Il COBOL, secondo OpenAI, continua a sostenere più del 40% dei sistemi di online banking nel mondo, l'80% delle transazioni con carta di credito di persona e il 95% di quelle agli sportelli Bancomat. Il tema, quindi, non è accademico: le aziende che devono modernizzare questi sistemi cercano strumenti che capiscano la logica del vecchio codice senza alterarne il comportamento. I modelli GPT-6 già in circolazione sono il punto di partenza di questi test.
OpenAI stessa ricorda che i risultati sono ottenuti nei propri test e che, prima di usare questi strumenti in produzione, servono verifiche di esperti e controlli approfonditi. La società chiede anche feedback da sviluppatori e aziende, che potranno indicare nuovi linguaggi e casi d'uso da includere nelle prossime valutazioni.
Ancora nessun commento. Puoi essere il primo!