اوپن‌ای‌آی می‌گوید GPT-6 در کار با زبان‌های برنامه‌نویسی قدیمی مانند COBOL و Fortran بسیار بهتر شده است

اوپن‌ای‌آی می‌گوید مدل‌های هوش مصنوعی جدیدش در کار با زبان‌های برنامه‌نویسی کم‌منبع مانند COBOL، فورترن و ویژوال بیسیک پیشرفت چشمگیری کرده‌اند. حجم کدهای موجود برای آموزش مدل‌ها در این زبان‌ها بسیار کمتر از زبان‌هایی مانند پایتون است؛ بااین‌حال، به گفته اوپن‌ای‌آی، این زبان‌ها همچنان زیرساخت‌های حیاتی سراسر جهان را پشتیبانی می‌کنند. شرکت IBM برآورد کرده است که COBOL در بیش از ۴۰ درصد سامانه‌های بانکداری آنلاین و ۹۵ درصد تراکنش‌های خودپردازها نقش دارد.

اوپن‌ای‌آی برای سنجش میزان پیشرفت مدل‌های خود، دو آزمون طراحی کرده است. آزمون MultiLangBench در گیت‌هاب از مدل‌ها می‌خواهد یک موتور پایگاه داده سازگار با SQLite را از ابتدا بسازند. GPT-6 Astra با بالاترین سطح توان استدلال، در این آزمون به میانگین نرخ موفقیت ۸۷٫۴ درصد در ۲۰ زبان برنامه‌نویسی رسیده است؛ درحالی‌که این رقم برای GPT-5.6 Terra حدود ۳۸ درصد بود. مدل GPT-6 Luna امتیاز ۴۰٫۳ درصد را کسب کرده و اندکی بهتر از GPT-5.6 Terra با امتیاز ۳۷٫۹ درصد عمل کرده است، اما هزینه آن به‌مراتب کمتر است.

در آزمون مهاجرت کد COBOL، که در آن کدهای این زبان به ++C، جاوا، کاتلین، پایتون یا راست تبدیل می‌شوند، مدل GPT-6.1 Sol با سطح پایین توان استدلال به دقت ۸۶٫۶ درصد دست یافته است. دقت مدل GPT-5.6 Sol در همین آزمون تنها ۵٫۴ درصد بوده است. افزایش توان استدلال GPT-6.1 Sol، دقت آن را به ۹۷٫۹ درصد می‌رساند.