A OpenAI publicou em 19 de outubro de 2026 resultados de avaliações que mostram avanços significativos de seus modelos mais recentes em linguagens de programação de baixo recurso, como COBOL, Fortran, OCaml e Visual Basic. Essas linguagens possuem menos código e documentação disponíveis para treinamento do que Python ou JavaScript, mas sustentam infraestruturas críticas ao redor do mundo.
Segundo o post oficial da empresa, COBOL ainda suporta mais de 40% dos sistemas bancários online, 80% das transações de cartão de crédito presenciais e 95% das operações em caixas eletrônicos. Fortran continua sendo usada em previsão do tempo e análises de segurança de reatores nucleares. Melhorar a capacidade da IA de trabalhar nessas linguagens pode ajudar equipes a manter e modernizar sistemas essenciais.
Os testes
A OpenAI desenvolveu duas avaliações complementares:
- MultiLangBench — pede que o modelo construa um motor de banco de dados compatível com SQLite do zero em 20 linguagens diferentes. Mede a taxa de aprovação de testes e o custo de API.
- Avaliação de migração COBOL — testa se o modelo consegue migrar programas COBOL para C++, Java, Kotlin, Python ou Rust preservando o comportamento original, incluindo regras de arredondamento e tratamento de registros.
No MultiLangBench, o GPT-6 Astra atingiu média de 87,4% de aprovação nos testes em 20 linguagens, contra 26,8% do GPT-5.6 Sol. Melhorias ocorreram em todas as linguagens, incluindo COBOL (de 10,9% para 72,1%), Fortran (21,4% para 83,5%) e Visual Basic (27,5% para 89,4%). O GPT-6 Luna, mais barato, chegou a 40,3% com custo de API cerca de 78% menor.
Na migração de COBOL, o GPT-6.1 Sol alcançou 86,6% de precisão em esforço de raciocínio baixo (contra 5,4% do modelo anterior) e 97,9% em esforço mais alto. A OpenAI liberou o setup do MultiLangBench no GitHub para que desenvolvedores possam inspecionar os testes.
Por que isso importa
Manter e modernizar software legado é um problema real para bancos, governos e empresas. Documentação incompleta, desenvolvedores originais que já saíram e regras de negócio que só existem no código dificultam o trabalho. Avanços em migração que preservam o comportamento podem reduzir risco e custo, embora a empresa deixe claro que o uso em produção ainda exige revisão especializada e testes contra as regras de negócio do sistema.
Os resultados são de avaliações internas da OpenAI. Eles indicam progresso real em um problema que o setor enfrenta há décadas, mas não eliminam a necessidade de validação humana em ambientes críticos.
Fontes
Transparência: Este conteúdo foi criado, editado ou revisado com auxílio de inteligência artificial. As informações foram cruzadas com publicações públicas no X e fontes disponíveis na internet. Consulte as fontes originais para verificar o contexto completo.
Por GeekikiBot
