Новая модель OpenAI научилась переписывать программы, созданные десятилетия назад

Компания OpenAI сообщила о значительном улучшении способности своих нейросетей работать с устаревшими языками программирования, которые до сих пор используются в банковских системах, промышленности и научных вычислениях. В ходе испытаний модель GPT-6.1 Sol успешно выполнила 97,9% заданий по переносу программ с языка COBOL на современные языки программирования. Результат был получен при повышенном уровне вычислительных усилий и показывает, насколько эффективнее искусственный интеллект стал справляться с модернизацией программного обеспечения, созданного десятилетия назад.

Результаты OpenAI представила 19 октября 2026 года. Исследования охватили языки COBOL, Fortran, Visual Basic и другие, для которых доступно значительно меньше открытого программного кода и обучающих материалов, чем для Python или JavaScript. Несмотря на возраст этих языков, написанные на них программы продолжают обеспечивать работу критически важных информационных систем.

Особое место занимает COBOL, разработанный ещё в 1959 году и широко применявшийся для обработки финансовых операций. По оценкам IBM, программы на этом языке используются более чем в 40% систем онлайн-банкинга, участвуют в обработке 80% операций по банковским картам в физических торговых точках и 95% операций банкоматов. Fortran, появившийся в 1950-х годах, продолжает использоваться в научных расчётах, включая прогнозирование погоды и анализ безопасности ядерных реакторов.

Замена такого программного обеспечения представляет сложную инженерную задачу. Документация к старым системам часто бывает неполной, первоначальные разработчики давно покинули предприятия, а важные правила обработки данных могут существовать исключительно внутри программного кода. Поэтому при переносе системы на современный язык недостаточно сохранить её основные функции — необходимо воспроизвести все особенности вычислений и обработки информации.

Для проверки новых моделей OpenAI разработала специальный набор испытаний, в которых искусственному интеллекту предлагалось переписать существующие программы на COBOL с использованием C++, Java, Kotlin, Python или Rust. Главным требованием было полное сохранение поведения исходного программного обеспечения, включая результаты вычислений и обработку нестандартных ситуаций.

Разработчики проверяли полученные программы при помощи скрытых тестов, сравнивая их результаты с исходными программами с точностью до каждого байта. Задание считалось выполненным только в том случае, если новая версия проходила все проверки. Такой подход позволил оценить не просто способность нейросети писать работающий код, а точность воспроизведения первоначальной логики программы.

При низком уровне вычислительных усилий GPT-6.1 Sol успешно справилась с 86,6% заданий. Для сравнения, предыдущая модель GPT-5.6 Sol в аналогичных условиях показала результат всего 5,4%. При этом расчётные затраты на использование новой модели через API оказались на 39% ниже.

При увеличении вычислительных усилий результат GPT-6.1 Sol достиг 97,9%. Это один из наиболее высоких показателей, полученных OpenAI в собственных испытаниях переноса старого программного кода. Однако цифра относится к специально подготовленному набору задач и не означает, что модель способна безошибочно переписать практически любую действующую банковскую систему.

Одной из характерных трудностей при переводе программ с COBOL становится обработка десятичных чисел. В определённых операциях этот язык отбрасывает лишние десятичные разряды, если округление не задано явно. Современная программа, использующая вместо этого математическое округление, может успешно запускаться, но выдавать другие финансовые результаты. Подобные различия способны привести к ошибкам даже при внешне правильной работе новой системы.

Второй набор испытаний, получивший название MultiLangBench, проверял способность нейросетей создавать программное обеспечение практически с нуля. Моделям предлагалось разработать собственную реализацию системы управления базами данных, совместимую с SQLite, на одном из 20 языков программирования. Для проверки использовали тесты, основанные на оригинальном наборе испытаний SQLite.

При максимальном уровне вычислительных усилий GPT-6 Astra успешно прошла в среднем 87,4% тестов против 26,8% у GPT-5.6 Sol. Улучшение наблюдалось на всех 20 языках программирования, причём на 19 из них новая модель преодолела отметку 83%. Наиболее сложным оказался COBOL, для которого результат составил 72,1% против прежних 10,9%.

Значительно выросли показатели и для других языков. На Fortran доля успешно пройденных тестов увеличилась с 21,4 до 83,5%, на Visual Basic — с 27,5 до 89,4%, а на OCaml — с 25,6 до 85,8%. Эти результаты свидетельствуют об улучшении способности модели создавать достаточно сложные программы даже на языках с ограниченным количеством общедоступных примеров кода.

Более экономичная модель GPT-6 Luna также продемонстрировала прогресс, хотя её результаты оказались заметно ниже показателей Astra. В среднем она прошла 40,3% тестов MultiLangBench при расчётной стоимости около 0,77 доллара за испытание. Для GPT-5.6 Sol аналогичный показатель составлял 3,48 доллара, что делает использование Luna примерно на 78% дешевле при более высокой средней доле успешных проверок.

Улучшение работы с устаревшими языками программирования может облегчить модернизацию систем, которые организации вынуждены поддерживать на протяжении десятилетий. Нейросети способны анализировать существующий код, восстанавливать заложенную в него логику и помогать переносить отдельные функции на современные технологические платформы. Это особенно актуально для крупных информационных систем, полная замена которых требует значительных затрат и связана с риском нарушения непрерывности работы.

Вместе с тем перенос реального программного обеспечения требует дополнительных проверок. Даже успешное прохождение автоматизированных тестов не гарантирует сохранения всех особенностей системы, включая взаимодействие с внешними базами данных, обработку исключительных ситуаций и выполнение внутренних правил организации. Для программ, управляющих финансовыми операциями и другими критически важными процессами, необходимы независимое тестирование и контроль со стороны специалистов.

OpenAI открыла доступ к набору испытаний MultiLangBench и его исходным материалам, чтобы разработчики могли самостоятельно проверять языковые модели и исследовать их ограничения. Новые результаты показывают существенный прогресс в автоматизации сложных задач программирования, однако полноценное применение этих возможностей в действующих корпоративных системах зависит от дальнейшей проверки надёжности создаваемого кода.