OpenAI atualiza modelos para converter código antigo de bancos e reatores

A empresa focou em linguagens que sustentam infraestruturas vitais, mas oferecem pouco volume de código aberto na internet para alimentar redes neurais. Segundo dados compilados pela fornecedora, o COBOL processa mais de 40% das operações bancárias online, 80% dos pagamentos presenciais com cartão de crédito e 95% dos saques em caixas eletrônicos. No setor científico e industrial, o Fortran calcula previsões meteorológicas e monitora a segurança de reatores nucleares. Engenheiros relatam que modelos de linguagem anteriores falhavam com frequência nessas sintaxes. A tarefa exige precisão absoluta.

Motores de banco de dados em vinte linguagens

Para medir a capacidade de construir sistemas novos nessas tecnologias, a OpenAI criou o teste MultiLangBench. A prova exige que o modelo escreva um motor de banco de dados compatível com SQLite a partir do zero em 20 linguagens diferentes. O sistema avaliador entrega uma base inicial e uma consulta SQL para o programa gerado pelo modelo, executando a mesma tarefa no SQLite oficial para confrontar o resultado em disco. A verificação independe da linguagem escolhida.

Nesse teste, o GPT-6 Astra subiu a taxa média de aprovação de 26,8% — marca obtida pelo GPT-5.6 Sol — para 87,4% sob esforço máximo de raciocínio. A taxa em COBOL saltou de 10,9% para 72,1%, a marca mais difícil do conjunto, enquanto Visual Basic subiu de 27,5% para 89,4%. Em OCaml, o acerto foi de 25,6% para 85,8%, e em Fortran chegou a 83,5%. Para quem busca economizar chamadas de API, o GPT-6 Luna marcou 40,3% de média geral com custo de US$ 0,77 por amostra. A conta caiu 78% na comparação com os US$ 3,48 gastos pela versão anterior.

Migração de sistemas antigos atinge marca histórica

A segunda avaliação interna mediu a capacidade de transferir programas em COBOL para outras linguagens sem alterar a resposta final das rotinas. O GPT-6.1 Sol cravou 86,6% de acerto mesmo com esforço baixo de raciocínio, contra 5,4% registrados pelo GPT-5.6 Sol, gastando 39% menos recursos de processamento. Ao elevar o esforço de raciocínio, o índice atingiu 97,9% e praticamente esgotou a régua de dificuldade do teste. Os números impressionam nos relatórios.

Apesar dos índices elevados, os dados refletem apenas medições controladas pela própria OpenAI, sem auditorias independentes de terceiros em bases de produção reais. A empresa liberou a estrutura de testes e os gabaritos do MultiLangBench em um repositório no GitHub para que programadores externos chequem as falhas de cada linguagem. O código da suíte já está disponível para inspeção pública. O teste de campo caberá aos bancos e órgãos públicos que ainda dependem dessas linguagens.