Os mais recentes avanços de nossos modelos trazem capacidades mais fortes para criar e migrar software em linguagens de programação de baixos recursos, como COBOL, Fortran e Visual Basic. Essas linguagens têm menos código e documentação disponíveis para os modelos aprenderem do que linguagens como Python e JavaScript, mas sustentam infraestruturas críticas no mundo todo. O COBOL oferece suporte a mais de 40% dos sistemas de bancos online, 80% das transações presenciais com cartão de crédito e 95% das transações em caixas eletrônicos, enquanto o Fortran é usado na previsão do tempo e na análise de segurança de reatores nucleares. Melhorar a capacidade da IA de trabalhar com essas linguagens pode ajudar as equipes a manter e modernizar o software do qual os serviços essenciais dependem.
Manter esse software é difícil. A documentação pode estar incompleta, os desenvolvedores originais podem ter deixado a empresa e regras de negócio importantes podem existir apenas no código. Equipes que corrigem bugs ou migram para outra linguagem precisam preservar o comportamento do qual seus sistemas dependem. Para medir o progresso, os desenvolvedores criaram duas avaliações. O Multi Lang Bench testa se um modelo consegue construir do zero um mecanismo de banco de dados compatível com SQLite em 20 linguagens de programação. A avaliação de migração de COBOL testa se um modelo consegue migrar programas existentes para outra linguagem preservando o seu comportamento.
Os modelos mais recentes mostram ganhos substanciais. No Multi Lang Bench, o GPT-6 Astra alcança uma taxa média de aprovação nos testes de 87,4%, acima dos 26,8% do GPT-5.6 Sol, com melhorias em todas as linguagens testadas. O GPT-6 Luna também supera o GPT-5.6 Sol, chegando a 40,3% com um custo estimado de API cerca de 78% menor. Na avaliação de migração de COBOL, o GPT-6.1 Sol atinge 86,6% de precisão com baixo esforço de raciocínio, contra apenas 5,4% do GPT-5.6 Sol, com custo 39% menor. Com maior esforço de raciocínio, a precisão chega a 97,9%.
No conjunto, os resultados mostram que os modelos estão se tornando significativamente melhores em trabalhar com uma ampla gama de linguagens de programação, ao mesmo tempo em que se tornam mais econômicos.
Fonte: Hacker News · Resumido por HeadlinesBriefing