Το 95% των συναλλαγών στα ATM και πάνω από το 40% των συστημάτων ηλεκτρονικής τραπεζικής τρέχουν, κατά την IBM, σε COBOL. Η γλώσσα γεννήθηκε στα τέλη της δεκαετίας του 1950 και οι προγραμματιστές που τη γνωρίζουν λιγοστεύουν χρόνο με τον χρόνο. Η OpenAI υποστηρίζει τώρα ότι τα νεότερα μοντέλα της την χειρίζονται πολύ καλύτερα από πριν, μαζί με άλλες γλώσσες της ίδιας γενιάς.
Η εταιρεία, όπως μεταδίδει το The Decoder, δούλεψε ειδικά πάνω σε αυτό που αποκαλεί γλώσσες «χαμηλών πόρων»: COBOL, Fortran, Visual Basic. Ο όρος δεν αφορά την ηλικία τους. Αφορά τον όγκο κώδικα που κυκλοφορεί στο διαδίκτυο σε αυτές τις γλώσσες, ο οποίος είναι μικρός σε σύγκριση με την Python. Τα γλωσσικά μοντέλα μαθαίνουν από παραδείγματα, οπότε όσο λιγότερα παραδείγματα υπάρχουν, τόσο χειρότερα τα πάνε. Κι όμως, όπως τονίζει η OpenAI, πάνω σε αυτές τις γλώσσες στηρίζονται κρίσιμες υποδομές σε όλο τον κόσμο.
Μια βάση δεδομένων από το μηδέν, σε 20 γλώσσες
Για να μετρήσει την πρόοδο, η OpenAI έφτιαξε δύο δικά της τεστ. Το πρώτο, το MultiLangBench, που έχει δημοσιευτεί στο GitHub, ζητά από το μοντέλο να χτίσει από την αρχή μια μηχανή βάσης δεδομένων συμβατή με την SQLite, μια πολύ διαδεδομένη μικρή βάση δεδομένων. Η επιτυχία μετριέται με το ποσοστό των αυτόματων ελέγχων που περνά ο κώδικας.
Με τη μέγιστη «προσπάθεια συλλογισμού», δηλαδή όταν το μοντέλο αφήνεται να σκεφτεί περισσότερο πριν απαντήσει, το GPT-6 Astra περνά κατά μέσο όρο το 87,4% των ελέγχων στις 20 γλώσσες. Το GPT-5.6 Terra έμενε γύρω στο 38%. Το φθηνότερο GPT-6 Luna φτάνει το 40,3%, ελάχιστα πάνω από το 37,9% του Terra, αλλά με πολύ χαμηλότερο κόστος.
Μετάφραση COBOL σε σύγχρονες γλώσσες
Το δεύτερο τεστ αγγίζει το πρακτικό πρόβλημα των τραπεζών: πώς μεταφέρεις παλιό κώδικα COBOL σε C++, Java, Kotlin, Python ή Rust χωρίς να σπάσει κάτι. Εδώ η διαφορά που παρουσιάζει η OpenAI είναι πολύ μεγάλη. Το GPT-6.1 Sol πετυχαίνει ακρίβεια 86,6% ακόμη και με χαμηλή προσπάθεια συλλογισμού, όταν ο προκάτοχός του, το GPT-5.6 Sol, έμενε στο 5,4%. Αν το μοντέλο αφεθεί να σκεφτεί περισσότερο, η ακρίβεια ανεβαίνει στο 97,9%.
Το Sol είναι η ίδια σειρά για την οποία η OpenAI φέρεται να ετοιμάζει έναν φθηνότερο διάδοχο. Όλα τα νούμερα πάντως προέρχονται από τεστ που σχεδίασε η ίδια η εταιρεία για τα δικά της μοντέλα, και οι πηγές δεν αναφέρουν ανεξάρτητη αξιολόγηση. Για έναν τομέα όπου ένα λάθος σε μία γραμμή κώδικα μπορεί να μπλοκάρει πληρωμές, το 97,9% σημαίνει ακόμη ότι περίπου μία στις πενήντα μεταφράσεις δεν βγαίνει σωστή.
