OpenAI atualiza GPT-6 para COBOL e alcança 97,9% de acerto em migração

Teste com SQLite põe vinte linguagens à prova

Para medir a evolução real entre as gerações de modelos, a OpenAI construiu uma ferramenta de avaliação própria chamada MultiLangBench e publicou o repositório no GitHub. O teste desafia o modelo a programar a partir do zero um motor de banco de dados compatível com SQLite em vinte linguagens de programação diferentes. Ao operar com esforço máximo de raciocínio, o GPT-6 Astra cravou uma taxa média de aprovação de 87,4% nos testes executados nesse ambiente. O GPT-5.6 Terra parava em 37,9%.

O modelo GPT-6.1 Sol igualou a marca do Astra e também fechou o MultiLangBench com cerca de 87% de aprovação média nas vinte linguagens examinadas. Na mesma bateria comparativa, a OpenAI testou o GPT-6 Luna, uma versão menor que registrou 40,3% de sucesso médio entre as linguagens do projeto. O resultado superou por margem muito estreita os 37,9% do antigo GPT-5.6 Terra, mas a versão nova roda com custo computacional consideravelmente inferior. O Luna economiza processamento pesado.

Tradução de COBOL dispara com raciocínio reforçado

A segunda avaliação criada pela OpenAI analisa a conversão direta de instruções em COBOL para linguagens modernas como C++, Java, Kotlin, Python ou Rust. Configurado com nível baixo de esforço de raciocínio, o novo GPT-6.1 Sol traduziu 86,6% do código com precisão em relação ao comportamento esperado pelos pesquisadores. Na mesma condição de baixo raciocínio, a versão anterior GPT-5.6 Sol acertava apenas 5,4% das rotinas propostas. O ganho imediato impressiona.

Ao aplicar o nível máximo de raciocínio, a precisão do GPT-6.1 Sol na migração de COBOL subiu para a marca de 97,9%. A urgência por ferramentas desse tipo decorre do peso que softwares antigos e com pouco código na internet ainda mantêm na infraestrutura global. A OpenAI citou estimativas da IBM que atribuem ao COBOL a sustentação de mais de 40% das operações bancárias virtuais e 95% de todas as transações em caixas eletrônicos. Sistemas vitais continuam dependentes dele.

Os dados técnicos divulgados por Matthias Bastian no veículo The Decoder comprovam avanços nítidos em laboratório, mas exigem cautela antes da aplicação em produção comercial. A OpenAI mediu a capacidade dos modelos em testes sintéticos controlados e ainda não detalhou prazos de lançamento nem quanto poder de processamento o raciocínio máximo exige. Substituir rotinas bancárias críticas requer validações extensivas com bases reais fora de benchmarks artificiais. Bancos não aceitam falhas.