Компанія OpenAI анонсувала нові можливості своїх моделей штучного інтелекту, спрямовані на роботу з низькоресурсними мовами програмування. Йдеться про такі платформи, як COBOL, Fortran і Visual Basic, які мають значно менше відкритого коду та документації для навчання нейромереж порівняно з Python чи JavaScript. Попри це, саме на них досі тримається критична інфраструктура багатьох галузей по всьому світу.
За даними розробників, на COBOL засновано понад 40% банківських систем онлайн, 80% транзакцій за допомогою кредитних карток у магазинах та 95% операцій у банкоматах. Водночас Fortran активно використовується у сферах прогнозування погоди та аналізу безпеки ядерних реакторів. Модернізація такого програмного забезпечення тривалий час залишалася складною через брак документації, відсутність первинних розробників та специфічну бізнес-логіку, сховану в коді.
Для перевірки ефективності розробники створили два нові тести. Перший — MultiLangBench — оцінює здатність моделі створювати сумісний із SQLite баз даних рушій із нуля одразу на 20 мовах програмування. Другий тест перевіряє навичку міграції програмного забезпечення з COBOL на інші сучасні мови зі збереженням повної функціональності.
Під час випробувань нові моделі продемонстрували помітне зростання точності за меншої вартості запитів. Зокрема, у тесті MultiLangBench модель GPT-6 Astra досягла середнього показника успішності у 87,4% для 20 мов, тоді як попередниця GPT-5.6 Sol мала лише 26,8%. Бюджетніша версія GPT-6 Luna показала результат у 40,3% при зниженні орієнтовної вартості API приблизно на 78%.
У завданні міграції коду з COBOL модель GPT-6.1 Sol на низькому рівні міркувань показала точність 86.6%, тоді як старіша версія обмежувалася 5.4%. У разі підвищення рівня міркувань цей показник зріс до 97,9%. Крім того, компанія вирішила викласти на GitHub середовище тестування MultiLangBench разом із набором тестів, щоб сторонні розробники могли самостійно перевірити ефективність роботи систем.
Джерела: openai.com
