在人工智能的编程能力排行榜上，COBOL 长期垫底。
这种诞生于 1959 年的语言没有活跃的开源社区，没有 Stack Overflow 上的海量问答，训练数据里能找到的代码和文档远少于 Python 和 JavaScript。但它支撑着全球超过 40% 的在线银行系统、80% 的线下信用卡交易和 95% 的 ATM 交易。Fortran 在天气预报和核反应堆安全分析里运转。这些语言写就的代码，是现代金融和关键基础设施的承重墙，而 AI 过去几乎读不懂它们。
2026 年 10 月 19 日，OpenAI 发布最新模型进展：在低资源编程语言上，GPT-6 Astra 的 MultiLangBench 平均测试通过率从 GPT-5.6 Sol 的 26.8% 跃升至 87.4%，COBOL 单项从 10.9% 提升到 72.1%。在 COBOL 迁移评估中，GPT-6.1 Sol 以 86.6% 的准确率取代了 GPT-5.6 Sol 的 5.4%，成本还降低了 39%。
这不是一次普通的模型迭代。当 AI 开始读懂 COBOL，它真正叩开的是一扇此前被数据规模挡在门外的门：全球关键基础设施的软件维护与迁移市场。
两套基准，两种被低估的能力
OpenAI 这次没有只报一个笼统分数，而是端出两套评估。
MultiLangBench 要求模型用指定语言从零构建一个 SQLite 兼容的数据库引擎。模型要组织代码库、管理状态、处理错误，在保留既有功能的前提下添加新特性。20 种语言，同一套从 SQLite 官方测试套件改编的考题，用数据库文件作为统一接口比对结果。它考的是从无到有写软件。
COBOL 迁移评估则相反。模型要把 COBOL 程序迁移到 C++、Java、Kotlin、Python 或 Rust，且必须保持行为不变。COBOL 的定点算术会直接丢弃超出精度的小数位，除非显式要求四舍五入。一个看似正确的改写如果改了舍入规则，程序能跑，金融结果却会出错。因此评估用隐藏测试要求输出字节级一致，全部通过才算迁移成功。它考的是理解并保全既有软件。
两套基准合在一起，恰好覆盖企业软件生命周期里最昂贵的两端：新建与维护。
低资源语言的“低”，低在训练语料
Python 和 JavaScript 有 GitHub 上数十亿行公开代码、无数教程和问答，模型可以靠统计规律学会常见模式。COBOL、Fortran、Visual Basic 的代码大多锁在企业内网，文档残缺，原作者早已离职，关键业务规则只存在于代码本身。对靠数据喂养的大模型来说，这相当于让一个只读过畅销书的人去修古籍。
GPT-5.6 Sol 在 COBOL 上 10.9% 的通过率，就是这道墙的厚度。
更麻烦的是，这些语言承载的不是“能不能跑”的问题，而是“结果对不对”的问题。银行交易、信用卡清算、ATM 记账，每一笔都对应真实资金。迁移时的一个舍入差异，可能意味着成千上万笔账目对不上。这也是为什么 OpenAI 在 COBOL 迁移评估里把标准定到字节级一致：能编译通过远远不够，必须和老系统输出完全一致。
所以低资源语言不是“冷门语言支持”这种锦上添花的功能，它是 AI 进入企业核心系统的入场券。
87.4% 背后的代差与成本曲线
GPT-6 Astra 在 20 种语言上平均通过率 87.4%，19 种语言超过 83%，只有 COBOL 最难，停在 72.1%。但就是这 72.1%，已经是 GPT-5.6 Sol 的 6.6 倍。
更值得玩味的是成本曲线。GPT-6 Luna 平均通过率 40.3%，仍全面优于 GPT-5.6 Sol，而每个样本的 API 成本从 3.48 美元降到 0.77 美元，降幅约 78%。这意味着企业要把老系统交给 AI 维护，经济账第一次算得过来。
COBOL 迁移的数字更夸张。GPT-6.1 Sol 在低推理努力下 86.6% 的准确率，对比 GPT-5.6 Sol 的 5.4%；提高推理努力后达到 97.9%，几乎把这套评估刷到饱和。成本还低 39%。
从 5.4% 到 86.6%，这不是渐进式改进，是可用与不可用的分界线被跨过去了。
OpenAI 在抢什么市场
OpenAI 在文末说得很克制：这些评估帮助企业客户看到模型在哪里进步、哪里还不足，目标是让模型把软件工程能力应用到更多语言上，理解陌生仓库、规划变更、使用构建工具、运行测试、调试失败。
但潜台词很清晰。全球关键基础设施的软件维护与现代化，是一个长期被人力垄断的市场。COBOL 程序员老龄化、人才断层是行业公开的秘密，银行和保险公司每年为维持老系统支付高昂费用，却又不敢轻易重写。
现在 AI 给出了一个新的选项：先用模型做行为保全式迁移，把 COBOL 转到 Java 或 Python，再由人类专家复核业务规则和依赖。OpenAI 还把 MultiLangBench 的评估设置和测试套件开源到 GitHub，摆明了是要把“低资源语言能力”变成行业标尺，让后来者不得不跟着这套卷子答题。
当一套基准被龙头定义，生态就跟着基准走。
竞争正在从“最流行”转向“最关键”
这次进展的信号不止于分数。它意味着 AI 编程能力的竞争，正在从“哪种语言最流行”转向“哪种语言最关键”。Python 上的优势是红海，COBOL、Fortran 这些语言上的突破才是护城河，因为它们绑定的是替换成本极高的关键系统。
对企业和开发者而言，值得关注的不是“AI 会不会写代码”这种老问题，而是三个更具体的问题：系统里有没有低资源语言写的核心模块；这些模块的迁移或维护是否已经被列入预算；当模型能把迁移准确率做到 97.9% 时，复核工作的边界应该划在哪里。
OpenAI 在文末留了一个接口：通过 API 试用最新模型，并收集开发者反馈来决定下一步训练和评估的重点。这句话翻译过来是，低资源语言只是第一站，接下来支持哪些语言、覆盖哪些工作流，用户的使用数据会投票。
AI 学会 Python 只是让它更会写新代码，学会 COBOL 才是让它真正走进现实世界。因为支撑这个世界的，往往不是最新的语言，而是那些没人再写、却从未停转的老代码。
快报