要点
10月19日、OpenAIはGPT-6シリーズモデルが、COBOL、Fortran、Visual Basicといったレガシー言語のコード生成および翻訳において劇的な改善を達成したと発表しました。 これらの言語は、Pythonのような現代的な言語で利用可能な広範な学習データが不足しているため、低リソース言語に分類されることがよくあります。
COBOLをC++、Java、Rustなどの言語に変換する移行テストにおいて、GPT-6.1 Solモデルは86.6%の成功率に達し、より高い推論設定では97.9%まで向上しました。 これは、以前のGPT-5.6 Solモデルが記録した5.4%の成功率から大幅な改善となります。 OpenAIは、これらのテストでは合格のためにバイトレベルの出力精度が求められたと指摘しています。
こうした進歩にもかかわらず、OpenAIは本番システムには依然として人間の監視が不可欠であることを強調しています。 モデルは複雑なロジックを処理できますが、導入前には専門家によるレビューとビジネスルールに対する厳格なテストが依然として必要であると助言しています。
COBOLはMultiLangBench評価において唯一83%の合格率を超えなかった言語であり、依然として最も困難な言語です。 この開発は、熟練エンジニアの減少にもかかわらずレガシーコードが残存する銀行システムなどの重要インフラを維持するための潜在的な解決策を提供します。 OpenAIは、レガシー環境における既存のAIツールの限界に苦しむ開発者や企業クライアントからのフィードバックに応えて、これらの機能を開発しました。
