GPT-6.1 Sol face un salt uriaș în programare: OpenAI anunță o acuratețe de aproape 98% la rescrierea codului vechi

Potrivit BleepingComputer, GPT-6.1 Sol a obținut o acuratețe de 97,9% într-un test dedicat migrării programelor COBOL către limbaje moderne. Rezultatul reprezintă un progres important pentru companiile care folosesc infrastructuri informatice vechi și care încearcă de ani întregi să le modernizeze fără să afecteze serviciile oferite clienților.

GPT-6.1 Sol poate transforma codul COBOL în Python, Java sau Rust

OpenAI a dezvoltat o evaluare specială pentru a verifica dacă modelele sale pot rescrie programe COBOL în limbaje moderne precum C++, Java, Kotlin, Python și Rust. Obiectivul nu era doar obținerea unui cod care poate fi executat, ci păstrarea comportamentului original al aplicației, inclusiv a regulilor de calcul și a rezultatelor generate.

În cadrul testelor, GPT-6.1 Sol a înregistrat o acuratețe de 86,6% atunci când a funcționat cu un nivel redus de raționament, comparativ cu numai 5,4% pentru modelul GPT-5.6 Sol. În plus, costul estimat al utilizării noului model a fost cu 39% mai mic. Atunci când nivelul de raționament a fost crescut, acuratețea a ajuns la 97,9%, apropiindu-se de limita maximă a evaluării.

Diferența este importantă deoarece migrarea codului vechi presupune mai mult decât traducerea unor instrucțiuni. Sistemele bancare, de exemplu, folosesc reguli precise pentru gestionarea zecimalelor, rotunjirea sumelor și procesarea tranzacțiilor. O modificare aparent minoră poate produce rezultate financiare diferite, chiar dacă programul rescris funcționează fără erori.

OpenAI a evaluat aceste situații prin teste care comparau rezultatele programelor originale cu cele ale versiunilor generate de inteligența artificială. Pentru ca o migrare să fie considerată reușită, toate testele ascunse trebuiau promovate, iar rezultatele observabile trebuiau să fie identice.

Progresul ar putea accelera dezvoltarea instrumentelor AI dedicate programatorilor, precum Codex, asistentul OpenAI care poate prelua sarcini complexe de dezvoltare software.

GPT-6 Astra obține rezultate mult mai bune în 20 de limbaje de programare

Pe lângă migrarea codului COBOL, OpenAI a introdus un sistem de evaluare numit MultiLangBench, conceput pentru a măsura capacitatea modelelor AI de a construi aplicații folosind limbaje de programare mai puțin reprezentate în datele de antrenare.

Testul presupune dezvoltarea de la zero a unui motor de baze de date compatibil SQLite, folosind unul dintre cele 20 de limbaje incluse în evaluare. Modelul trebuie să organizeze codul, să gestioneze datele, să trateze erorile și să implementeze funcționalități fără să afecteze comportamentul existent al programului.

GPT-6 Astra a obținut o rată medie de promovare de 87,4%, comparativ cu 26,8% pentru GPT-5.6 Sol. Îmbunătățirile au fost observate în toate limbajele testate, inclusiv COBOL, Fortran, OCaml și Visual Basic.

În cazul COBOL, rata de reușită a crescut de la 10,9% la 72,1%, iar pentru Fortran, de la 21,4% la 83,5%. Visual Basic a înregistrat o creștere de la 27,5% la 89,4%, în timp ce OCaml a ajuns la 85,8%, față de 25,6% anterior.

Aceste rezultate sugerează că modelele AI devin mai eficiente inclusiv în limbajele pentru care există mai puține exemple de cod și documentație disponibile public. În același timp, COBOL a rămas cel mai dificil limbaj din evaluarea MultiLangBench.

OpenAI a anunțat și publicarea configurației de testare MultiLangBench, astfel încât dezvoltatorii să poată analiza metodologia și rezultatele obținute de fiecare model.

De ce sunt atât de importante limbajele vechi pentru băncile din întreaga lume

COBOL a fost creat în 1959, dar continuă să joace un rol esențial în infrastructura financiară. Potrivit cifrelor prezentate de OpenAI, acest limbaj susține peste 40% dintre sistemele de online banking, 80% dintre tranzacțiile cu cardul efectuate fizic și aproximativ 95% dintre operațiunile realizate la bancomate.

Deși au apărut tehnologii mult mai moderne, aplicațiile COBOL au fost dezvoltate și adaptate timp de decenii, acumulând numeroase reguli comerciale și financiare. Înlocuirea lor este dificilă, mai ales în condițiile în care mulți dintre specialiștii care le-au construit s-au pensionat, iar documentația originală este uneori incompletă.

Această dependență de tehnologiile vechi a fost analizată și într-un articol Playtech despre limbajul COBOL, care continuă să susțină funcționarea bancomatelor și tranzacțiilor financiare.

Situația este asemănătoare în cazul Fortran, limbaj dezvoltat în 1957, care rămâne utilizat în domenii precum prognoza meteorologică și analiza siguranței reactoarelor nucleare. În aceste sectoare, modernizarea software-ului trebuie realizată cu o atenție deosebită, deoarece eventualele erori pot avea consecințe importante.

Inteligența artificială poate accelera modernizarea, dar nu poate elimina toate riscurile

Rezultatele prezentate de OpenAI indică faptul că inteligența artificială ar putea reduce timpul și costurile necesare modernizării aplicațiilor dezvoltate în limbaje vechi. Modelele ar putea ajuta programatorii să înțeleagă codul existent, să identifice regulile de funcționare și să genereze versiuni moderne ale aplicațiilor, care să fie ulterior verificate de specialiști.

Totuși, o acuratețe de 97,9% într-un test controlat nu înseamnă că GPT-6.1 Sol poate moderniza autonom infrastructura unei bănci. Sistemele reale sunt mult mai complexe, includ dependențe între aplicații și trebuie să respecte cerințe stricte de securitate, fiabilitate și conformitate.

De altfel, modernizarea sistemelor informatice vechi ale băncilor poate genera riscuri operaționale, inclusiv întreruperi ale serviciilor sau modificări nedorite ale modului în care sunt procesate tranzacțiile.

OpenAI subliniază că orice migrare destinată utilizării în producție necesită în continuare verificări realizate de experți și teste adaptate regulilor specifice fiecărei organizații. Inteligența artificială poate accelera procesul de rescriere a codului, dar responsabilitatea validării rezultatelor rămâne esențială.

Pentru industria software, progresele modelelor GPT-6 reprezintă totuși un pas important. Dacă performanțele observate în testele de laborator vor putea fi reproduse în proiecte reale, companiile ar putea moderniza mai rapid sisteme informatice care funcționează de zeci de ani, fără să fie nevoite să reconstruiască fiecare componentă de la zero.