OpenAI 把 COBOL 迁移准确率从 5.4% 拉到 97.9%，还开源了 20 种语言的建库评测

OpenAI 10 月 19 日发布两组针对低资源编程语言的评测，并给出最新模型的结果。MultiLangBench 要求模型从零构建一个兼容 SQLite 的数据库引擎，覆盖 20 种语言；GPT-6 Astra 在最高推理强度下平均测试通过率 87.4%，GPT-5.6 Sol 是 26.8%，COBOL 从 10.9% 升到 72.1%，Fortran 从 21.4% 升到 83.5%，Visual Basic 从 27.5% 升到 89.4%。低成本档 GPT-6 Luna 平均 40.3%，每个样本估计 API 成本 0.77 美元，GPT-5.6 Sol 是 3.48 美元。另一项 COBOL 迁移评测要求把程序改写成 C++、Java、Kotlin、Python 或 Rust，并用隐藏测试做逐字节输出比对；GPT-6.1 Sol 在低推理强度下准确率 86.6%，GPT-5.6 Sol 只有 5.4%，高推理强度下达到 97.9%。OpenAI 同时把 MultiLangBench 的评测设置与测试套件放到 GitHub。