https://openai.com/index/low-resource-programming-languages/ [!quote]+ 我们最新的模型进步为构建和迁移低资源编程语言（如COBOL、Fortran和Visual Basic）提供了更强的能力。这些语言的代码和文档比Python和JavaScript等语言少，但支持着全球的关键基础设施和重要服务。COBOL支持（新窗口打开）超过40%的在线银行系统、80%的面对面信用卡交易和95%的ATM交易，而Fortran则被用于天气预报（新窗口打开）以及核反应堆安全分析（新窗口打开）.提升AI在这些语言中的运行能力，有助于团队维护和现代化关键服务所依赖的软件。 这项工作基于开发者和企业客户的反馈，他们告诉我们编码模型在这些语言上常常遇到困难。维护和现代化这些软件可能很困难：文档可能不完整，原始开发者可能已离职，重要的业务规则可能仅存在于代码中。无论是团队修复漏洞还是迁移到其他语言，都需要保持系统依赖的行为。 为了衡量进展，我们制定了两项评估。MultiLangBench 测试模型是否能从零开始构建兼容 SQLite 的数据库引擎，涵盖 20 种不同的编程语言。我们的COBOL迁移评估测试模型是否能在保持其行为的同时将现有程序迁移到其他语言。它们共同测试两种互补技能：构建新软件和保留现有软件的功能。 我们最新的模型在两种评估中都显示出显著改进，以更低的成本实现了更高的准确性。 在MultiLangBench上，GPT-6 Astra在20种编程语言中的平均通过率为87.4%，高于GPT-5.6 Sol的26.8%，且每种测试语言都有所提升。GPT-6 Luna的表现也优于GPT-5.6 Sol，达到40.3%，预计API成本降低约78%。 在我们的COBOL迁移评估中，GPT-6.1 Sol在低推理强度下实现了86.6%的准确率，而GPT-5.6 Sol仅有5.4%，成本也降低了39%。在较高的推理努力下，准确率可达97.9%，几乎使评估过程趋于饱和。 综合来看，这些结果表明我们的模型在处理多种编程语言方面显著提升，同时成本也更加高效。 2 个帖子 - 2 位参与者 阅读完整话题

  • 情报分类：技术学习与提效
  • 分类依据：内容涉及技术、AI、软件工具或工程实践
  • 信息来源：服务器 / LINUX DO - 最新话题
  • 发布时间：2026/10/20 09:30:52