OpenAI: GPT-6 soll COBOL, Fortran und Visual Basic endlich können

Das Problem: Kritische Software, wenig Trainingsdaten

COBOL steckt laut OpenAI in über 40 % der Online-Banking-Systeme und rund 95 % der Geldautomaten-Transaktionen, Fortran läuft in Wettervorhersage und Reaktorsicherheit. Für solche „Low-Resource“-Sprachen gibt es aber viel weniger Code und Doku im Netz als für Python oder JavaScript – Coding-Modelle scheitern hier oft. Dazu kommt: Originalentwickler sind weg, Geschäftsregeln existieren nur im Code.

Zwei neue Benchmarks

• MultiLangBench: Das Modell soll in 20 Sprachen von Grund auf eine SQLite-kompatible Datenbank-Engine bauen. Geprüft wird per Referenz-SQLite anhand der erzeugten Datenbankdateien.
• COBOL-Migration: Bestehende Programme in eine andere Sprache überführen, ohne das Verhalten zu verändern.

Ergebnisse

• GPT‑6 Astra erreicht im Schnitt 87,4 % bestandene Tests (GPT‑5.6 Sol: 26,8 %), mit Verbesserungen in jeder getesteten Sprache.
• GPT‑6 Luna schafft 40,3 % bei etwa 78 % geringeren geschätzten API-Kosten als GPT‑5.6 Sol.
• Bei der COBOL-Migration kommt GPT‑6.1 Sol schon bei niedrigem Reasoning-Aufwand auf 86,6 % (vorher 5,4 %) und ist dabei 39 % günstiger; mit mehr Reasoning sind es 97,9 %.

Alle Zahlen stammen von OpenAI selbst und aus eigenen Benchmarks – unabhängige Nachprüfung steht aus. Interessant bleibt es trotzdem: Legacy-Modernisierung ist einer der handfestesten Einsatzzwecke für Coding-Agenten.

Quelle: OpenAI – Advancing coding in low-resource programming languages