OpenAI ha presentado mejoras significativas en sus modelos de inteligencia artificial para el desarrollo y migración de software en lenguajes de bajo recurso, como COBOL, Fortran y Visual Basic. Estas mejoras son cruciales para mantener y modernizar sistemas críticos que dependen de estas tecnologías, que representan una parte sustancial de la infraestructura financiera y científica global. Según los datos proporcionados, COBOL soporta más del 40% de los sistemas bancarios en línea, el 80% de las transacciones de tarjetas de crédito presenciales y el 95% de las transacciones en cajeros automáticos, mientras que Fortran es esencial para la predicción del tiempo y la seguridad de reactores nucleares.
Para medir el progreso, la empresa desarrolló dos evaluaciones: MultiLangBench, que prueba la capacidad de construir un motor de base de datos compatible con SQLite desde cero en 20 lenguajes, y una evaluación de migración específica para COBOL. Los resultados muestran que GPT-6 Astra alcanza una tasa de éxito del 87,4% en MultiLangBench, superando ampliamente a GPT-5.6 Sol (26,8%), con mejoras en todos los lenguajes evaluados. Por su parte, GPT-6 Luna ofrece una opción más económica, reduciendo el coste estimado de la API en un 78% respecto a la versión anterior, aunque con una tasa de éxito media del 40,3%.
En la evaluación de migración de COBOL, GPT-6.1 Sol logra una precisión del 86,6% a bajo esfuerzo de razonamiento, frente al 5,4% de GPT-5.6 Sol, y alcanza el 97,9% de precisión al aumentar el esfuerzo de razonamiento. Estos avances demuestran que los modelos están mejorando su capacidad para preservar el comportamiento de sistemas legacy durante la modernización, un desafío complejo debido a la falta de documentación y la necesidad de entender reglas de negocio específicas de cada lenguaje.