OpenAI 公布 COBOL 迁移评测：GPT-6.1 Sol 准确率达 97.9%

据 Dataconomy 10 月 20 日报道，OpenAI 的 GPT-6.1 Sol 在其 COBOL 迁移测试中取得 97.9% 的准确率。这一数字来自 OpenAI 前一天发布的技术博客《Advancing coding in low-resource programming languages》，讨论的是模型如何处理 COBOL、Fortran、Visual Basic 这类低资源编程语言。

OpenAI 为此设计了两套评测。一套是 COBOL 迁移评测：把现有 COBOL 程序改写成 C++、Java、Kotlin、Python 或 Rust，同时保持程序行为不变；另一套叫 MultiLangBench，要求模型用 20 种编程语言从零构建一个兼容 SQLite 的数据库引擎。前者考的是守住旧系统的行为，后者考的是从零写出新系统。

具体到 COBOL 迁移，GPT-6.1 Sol 在低推理强度下准确率为 86.6%，上一代 GPT-5.6 Sol 只有 5.4%，同时成本低约 39%；把推理强度调高之后，准确率升到 97.9%，按 OpenAI 的说法是几乎打满了这套评测。

97.9% 这个数字之所以被单独拎出来传播，是因为它对应的是一个长期被认为难以自动化的场景。COBOL 至今仍在大量银行核心系统、信用卡交易和 ATM 清算中运行，而这些系统往往文档缺失、原作者早已离职，业务规则只存在于代码本身。

也正因如此，评测的判定标准设得很严：迁移结果必须在隐藏测试上做到可观测输出的逐字节一致，任何一项不通过就算失败。OpenAI 在博客里举了一个典型陷阱——COBOL 的定点运算默认丢弃多余小数位，如果改写时顺手做了四舍五入，程序能跑通，财务结果却已经变了。

从 5.4% 到 97.9% 的跨度，说明提升很大程度上来自推理阶段的投入，而不是一个全新的模型代际。这带来一个更实际的问题：企业真正关心的是单位迁移成本，而不是峰值准确率，OpenAI 给出的低推理强度档位，正是冲着这个诉求去的。

OpenAI 同时把 MultiLangBench 的评测代码和分语言结果放到了 GitHub 上，开发者可以自己检查测试内容，以及自己在用语言上的短板。对遗留系统现代化改造这个市场来说，这意味着基准从厂商自述变成了可复现的公开测试。

后续看点有三个：高推理强度下的成本能否压到企业可接受的区间；在真实企业代码库而不是构造好的评测集上，是否还能维持接近的水平；以及其他厂商会不会跟进发布同类的 COBOL 迁移基准。