OpenAI／官方：低資源語言編碼躍進——MultiLangBench Astra 平均八成七；COBOL 遷移高力度近九成八

Key takeaway

OpenAI 於二〇二六年十月十九日在官方網站發表《Advancing coding in low‑resource programming languages》，說明最新模型在 COBOL、Fortran、Visual Basic、OCaml 等「低資源」程式語言上的構建與遷移能力大幅提升，並公開 MultiLangBench 與 COBOL 遷移兩套評測。官方指 GPT‑6 Astra 在二十種語言平均測試通過率達百分之八十七點四，遠高於 GPT‑5.6 Sol 的百分之二十六點八；COBOL 遷移方面，GPT‑6.1 Sol 在低推理力度下達百分之八十六點六、高力度達百分之九十七點九。本文已核對 OpenAI 原文數字與機制說明，來源真實性已驗證。

OpenAI／官方：低資源語言編碼躍進——MultiLangBench Astra 平均八成七；COBOL 遷移高力度近九成八

OpenAI 於二〇二六年十月十九日在官方網站發表《Advancing coding in low‑resource programming languages》，說明最新模型在 COBOL、Fortran、Visual Basic、OCaml 等「低資源」程式語言上的構建與遷移能力大幅提升，並公開 MultiLangBench 與 COBOL 遷移兩套評測。官方指 GPT‑6 Astra 在二十種語言平均測試通過率達百分之八十七點四，遠高於 GPT‑5.6 Sol 的百分之二十六點八；COBOL 遷移方面，GPT‑6.1 Sol 在低推理力度下達百分之八十六點六、高力度達百分之九十七點九。本文已核對 OpenAI 原文數字與機制說明，來源真實性已驗證。

OpenAI／官方：低資源語言編碼躍進——MultiLangBench Astra 平均八成七；COBOL 遷移高力度近九成八

企業核心系統仍大量依賴 COBOL、Fortran、Visual Basic 等「訓練語料相對稀缺」的語言。OpenAI 指出，COBOL 支撐逾四成網上銀行系統、八成面對面信用卡交易與九成五自動櫃員機交易；Fortran 則見於天氣預報與核反應堆安全分析。過去編碼模型在這類語言上常表現不穩，維護與現代化又往往碰上文件不全、原作者離職、業務規則只存在於程式碼等現實障礙。十月十九日這篇官方技術說明，正是針對「能新建」與「能保行為遷移」兩條能力線，用可覆核的評測交代進步幅度與成本變化。

一、核心事件：兩套評測量度低資源語言能力

技術細節

OpenAI 以開發者與企業客戶回饋為起點，指出既有編碼模型在低資源語言上經常力有不逮，並為此設計兩套互補評測：

  1. MultiLangBench：要求模型從零構建與 SQLite 相容的資料庫引擎，覆蓋二十種程式語言。候選程式接收初始資料庫與 SQL 查詢，輸出修改後的資料庫；以參考版 SQLite 驗證結果，使跨語言可用同一套測試比較。評測改寫自 SQLite 既有測試套件，並同時報告測試通過率與估計 API 成本。官方已把評測設定與測試套件放到 GitHub。

  2. COBOL 遷移評測：要求模型把 COBOL 程式遷移至 C++、Java、Kotlin、Python 或 Rust，並以隱藏測試要求可觀察輸出達到位元組級一致，全部通過才算成功。重點不只是「翻譯語法」，而是保留固定點算術捨入、缺記錄處理等業務語意；錯誤捨入可能令程式看似跑得通，帳目結果卻已偏離。

在 MultiLangBench、最大推理力度下，GPT‑6 Astra 二十語平均測試通過率為 百分之八十七點四，相對 GPT‑5.6 Sol 的 百分之二十六點八 全面上升。官方舉例：COBOL 由百分之十點九升至百分之七十二點一；OCaml 百分之二十五點六至百分之八十五點八；Fortran 百分之二十一點四至百分之八十三點五；Visual Basic 百分之二十七點五至百分之八十九點四。Astra 在二十語中有十九語高於百分之八十三，COBOL 仍是最難、約百分之七十二。

成本取向的 GPT‑6 Luna 平均通過率 百分之四十點三，估計平均每樣本 API 成本約 零點七七美元，對照 GPT‑5.6 Sol 的 三點四八美元，約低 百分之七十八；各語亦全面優於 Sol（例如 COBOL 百分之十點九至十七點一）。

COBOL 遷移方面，GPT‑6.1 Sol 在低推理力度下準確率 百分之八十六點六，同設定下 GPT‑5.6 Sol 僅 百分之五點四，且成本約為後者 API 成本的百分之六十一（約便宜三成九）；提高推理力度後準確率達 百分之九十七點九，接近評測飽和。

二、技術原理深度解析

低資源語言的難點，本質是「可學習信號不足」加上「語意細節昂貴」。Python、JavaScript 在公開倉庫、教程與問答中密度極高；COBOL／Fortran／Visual Basic 則常見於銀行、政府、科學計算等閉環環境，模型較少見過完整專案與現代化遷移範例。

MultiLangBench 把「跨語言軟體工程」壓成同一介面：不是比誰會寫 Hello World，而是比誰能在長時程編碼工作階段中組織程式庫、管理狀態、處理錯誤、加功能且不破壞既有行為。以資料庫檔作共享契約，可避開「各語言測試框架不可比」的陷阱。

COBOL 遷移評測則把焦點放在行為保真。官方特別提醒固定點算術：除非明確要求捨入，否則多餘小數位會被捨棄；若遷移後改成四捨五入，線上可能無錯，金融結果卻不同。這正是企業現代化最怕的「靜默語意漂移」。因此評測以位元組級輸出一致為通過條件，逼模型同時理解業務邏輯與語言特例。

兩套結果合讀：Astra 顯示高能力模型可把跨語構建拉到實用區間；Luna 顯示在明顯較低估計 API 成本下仍能全面勝過上一代 Sol；GPT‑6.1 Sol 則在遷移場景把「低力度可用、高力度近飽和」的曲線畫清楚。官方同時聲明：行為保真能力有助維護與現代化，但套用到生產系統仍需專家覆核，並對照業務規則與依賴測試。

三、日常應用場景

1. 開發者與技術團隊

維護銀行核心、報表批次、科學計算或舊式桌面線的團隊，可直接用官方 GitHub 上的 MultiLangBench 設定，對照自己常用語言的通過率缺口，再決定要以 Astra 衝準確率，或以 Luna 控成本做探索。遷移專案應把「單元測試＋對照輸出＋業務規則清單」寫進定義完成，而不是只看編譯通過。

2. 企業與隱私敏感行業

金融、保險、公用事業與政府資訊系統往往不能把完整 COBOL／主機程式碼丟進公有雲對話框。評測進步代表「模型已較懂舊語」，但落地仍應優先考慮私有部署、資料不出境與變更審批。對香港持牌機構而言，遷移準確率再高，仍要過內部審計、回歸測試與雙人覆核。

3. 一般用戶

一般消費者未必直接寫 COBOL，但提款、轉帳、信用卡清算背後仍可能跑在這類系統上。模型更能協助維護與現代化，長遠有助縮短故障修復與系統升級週期；使用者應理解這是基礎設施能力升級，而非「銀行 App 一夜重寫」。

4. 香港與亞洲市場視角

香港作為國際金融中心，核心銀行、證券結算、支付閘道與部分政府系統仍與主機／舊語生態交織；亞洲多地亦有類似「核心穩、外圍新」的雙速 IT。OpenAI 公開可覆核評測與成本數字，有助本地架構師用同一把尺比較供應商與模型世代，而不是只看行銷演示。對正推進核心現代化、同時要守住客戶資料主權的機構，可把「低資源語言能力」列入私有 LLM／編碼代理的驗收項目。

四、專業評價與潛在考量

優勢

  • 官方同時交出跨語新建與 COBOL 行為保真兩條線，數字完整、可對照上一代 Sol。
  • MultiLangBench 開源評測設定，利於第三方覆核與語言別差距分析。
  • Luna 把「較低成本仍全面進步」量化到每樣本估計美元，方便做預算敏感的試點。

需要留意的地方

  • 評測通過率不是生產就緒證明；官方亦強調遷移仍需專家覆核與業務規則測試。
  • COBOL 在 Astra 下仍是最難語言（約百分之七十二），與其他語「十九語高於百分之八十三」形成落差，核心帳務遷移不宜假設已飽和。
  • API 成本為評測情境下的估計平均值，實務會隨提示長度、工具呼叫與推理力度波動。
  • 企業若把完整核心程式碼送出境外推理，仍有合規與洩漏風險；能力提升不自動等於架構已安全。

結語

OpenAI 這次用 MultiLangBench 與 COBOL 遷移評測，把「低資源語言也能做軟體工程」從口號變成可核對的通過率與成本曲線：Astra 平均百分之八十七點四、Luna 約七成八較低估計成本、GPT‑6.1 Sol 遷移高力度近百分之九十八。對仍靠舊語支撐關鍵服務的香港與亞洲企業，下一步應是把同類評測納入选型，並在私有環境驗證行為保真，而不是只追公有示範。

如需在香港部署可對接編碼與遷移工作流、又要求數據不出境的企業私有 LLM，可參考 YSK Limited 的企業私有 LLM 全託管（年費港幣八萬八千元起，Dataset → QLoRA／LoRA → 私有 API）：https://ysk.hk/services/ai-automation

參考來源

Related services & products

Related posts