Qualche giorno fa OpenAI ha comunicato che i suoi ultimi modelli scrivono e migrano software in linguaggi datati come COBOL, Fortran e Visual Basic molto meglio dei predecessori. Il dato più alto riguarda la migrazione dei programmi COBOL: GPT-6.1 Sol raggiunge il 97,9% di accuratezza con ragionamento elevato, valore che secondo OpenAI porta la valutazione vicino alla saturazione.
La valutazione chiede ai modelli di tradurre programmi COBOL in C++, Java, Kotlin, Python o Rust senza cambiarne il comportamento, che comprende dettagli come l’arrotondamento dei numeri con cifre decimali in eccesso e la gestione dei record mancanti. Per OpenAI una migrazione riesce solo se «tutti i test passano». A basso sforzo di ragionamento GPT-6.1 Sol arriva all’86,6% contro il 5,4% di GPT-5.6 Sol, con un costo di API pari al 61% di quello di GPT-5.6 Sol.
I risultati di MultiLangBench
Per misurare i progressi su un fronte più ampio OpenAI ha creato MultiLangBench, che chiede ai modelli di costruire da zero un motore di database compatibile con SQLite in 20 linguaggi di programmazione. GPT-6 Astra ottiene un tasso medio di test superati dell’87,4%, contro il 26,8% di GPT-5.6 Sol, e migliora in ogni linguaggio testato.
OpenAI cita come esempi Fortran (dal 21,4% all’83,5%), Visual Basic (dal 27,5% all’89,4%) e OCaml (dal 25,6% all’85,8%). Il COBOL rimane il linguaggio più difficile, ma sale dal 10,9% al 72,1%.
GPT-6 Luna ottiene una media di test superati più bassa, il 40,3%, ma costa circa il 78% in meno per campione rispetto a GPT-5.6 Sol: OpenAI stima costi medi di API di 0,77 dollari contro 3,48.
Perché questi linguaggi contano
OpenAI dice di aver lavorato su segnalazioni di sviluppatori e clienti enterprise, che faticavano a far funzionare i modelli di coding in modo affidabile con questi linguaggi. Secondo l’azienda, questi linguaggi hanno «meno codice e documentazione a disposizione dei modelli per imparare rispetto a linguaggi come Python e JavaScript, eppure sostengono infrastrutture critiche e servizi essenziali in tutto il mondo».
Il COBOL, secondo le stime di IBM, sostiene più del 40% dei sistemi di online banking, l’80% delle transazioni con carta di credito in presenza e il 95% di quelle agli ATM. I programmatori che lo conoscono stanno uscendo dal mondo del lavoro, mentre il Fortran resta in uso in ambiti come le previsioni meteo e l’analisi di sicurezza dei reattori nucleari.
All’inizio dell’anno Anthropic aveva scritto sul proprio blog che, con Claude Code, «con l’IA i team possono modernizzare la propria base di codice COBOL in trimestri anziché in anni». Secondo Bloomberg, quel giorno le azioni di IBM, i cui mainframe sono molto diffusi nel settore finanziario e nelle agenzie pubbliche per eseguire COBOL, sono scese del 13%, il calo giornaliero più ampio dal 2000.
I numeri sono risultati ottenuti da OpenAI su test costruiti da OpenAI. L’azienda stessa avverte che capacità di preservare il comportamento come queste «sono utili ai team che mantengono e modernizzano sistemi più vecchi, ma applicarle a software in produzione richiede ancora la revisione di esperti e test rispetto alle regole di business e alle dipendenze del sistema».