OpenAI повідомила про покращення своїх моделей штучного інтелекту для роботи з мовами програмування COBOL, Fortran і Visual Basic. Ці мови досі використовують у банківських системах, фінансових операціях та іншому програмному забезпеченні, від якого залежить робота великих організацій. За результатами тестування, точність перенесення програм із COBOL на сучасні мови за допомогою GPT-6.1 Sol сягнула 97,9%.
Компанія пояснює, що ШІ складніше працювати зі старими мовами програмування через меншу кількість доступного коду та документації для навчання. Водночас організації продовжують використовувати такі системи, а їхнє оновлення потребує значних ресурсів. Часто розробники вже не працюють у компанії, документація неповна, а важливі правила роботи програм зберігаються лише в коді.
Щоб перевірити можливості нових моделей, OpenAI розробила два тести. Перший, MultiLangBench, оцінює здатність ШІ створювати програмне забезпечення з нуля на 20 мовах програмування. Другий перевіряє, наскільки точно моделі можуть переносити програми з COBOL на C++, Java, Kotlin, Python або Rust, зберігаючи їхню функціональність.
У тестуванні MultiLangBench модель GPT-6 Astra успішно пройшла в середньому 87,4% перевірок проти 26,8% у GPT-5.6 Sol. Покращення зафіксували для всіх 20 мов. Зокрема, для COBOL результат зріс із 10,9% до 72,1%, для Fortran — із 21,4% до 83,5%, а для Visual Basic — із 27,5% до 89,4%.
Окремо OpenAI перевірила здатність моделей переносити старі програми на сучасні мови без зміни результатів їхньої роботи. GPT-6.1 Sol досягла точності 86,6% за низького рівня міркувань, тоді як GPT-5.6 Sol показала 5,4%. За вищого рівня міркувань точність нової моделі зросла до 97,9%. Водночас вартість виконання завдань за низького рівня міркувань зменшилася на 39%.
Такі можливості мають значення для компаній, які використовують старі системи для обробки платежів, фінансової звітності та внутрішніх бізнес-процесів. Перенесення цих програм на сучасні мови може спростити їхню підтримку й подальше оновлення. Однак OpenAI наголошує, що навіть за високої точності ШІ результати потребують перевірки розробниками, особливо коли йдеться про фінансові операції та критично важливі системи.
Компанія також відкрила доступ до MultiLangBench на GitHub, щоб розробники могли самостійно перевіряти можливості моделей на різних мовах програмування та оцінювати їхню придатність для власних завдань.
Джерело: OpenAI
