✨︎ Resumen (TL;DR):
- OpenAI presentó dos evaluaciones propias: crear software y migrar programas conservando su comportamiento.
- GPT-6 Astra aprobó un promedio de 87.4 % de las pruebas en 20 lenguajes, frente a 26.8 % de GPT-5.6 Sol.
- GPT-6.1 Sol alcanzó 97.9 % en migración desde COBOL con mayor esfuerzo.
OpenAI reportó el 19 de octubre de 2026 mejoras en sus modelos para trabajar con COBOL, Fortran y Visual Basic. La compañía presentó dos evaluaciones: una para crear software y otra para migrar programas conservando su comportamiento. En MultiLangBench, GPT-6 Astra aprobó un promedio de 87.4 % de las pruebas en 20 lenguajes, frente a 26.8 % de GPT-5.6 Sol; en la migración desde COBOL, GPT-6.1 Sol llegó a 97.9 % con mayor esfuerzo. Las cifras pertenecen a tareas específicas y la aplicación en producción requiere revisión experta, además de pruebas de negocio y dependencias.
Las dos evaluaciones miden cosas distintas. La primera pide crear software en el lenguaje indicado. La segunda comprueba si una migración conserva el comportamiento del programa. En esta última, las salidas deben ser idénticas, byte por byte, y el modelo debe superar todos los casos.
MultiLangBench mide una tarea concreta
MultiLangBench es un repositorio público que define una evaluación para implementar SQLite 3.40.1, un motor de bases de datos, en el lenguaje indicado. El modelo recibe documentación y trabaja en un entorno sin acceso a internet ni copias preinstaladas de SQLite.
En esa evaluación, GPT-6 Astra aprobó un promedio de 87.4 % de las pruebas en 20 lenguajes, frente a 26.8 % de GPT-5.6 Sol, con el esfuerzo de razonamiento al máximo.
La evaluación de migración desde COBOL produjo otra diferencia. GPT-6.1 Sol obtuvo 86.6 % con esfuerzo bajo, frente a 5.4 % de GPT-5.6 Sol. Con mayor esfuerzo, alcanzó 97.9 %, según OpenAI.
Cada caso parte de una base inicial y una consulta SQL. Después, el SQLite de referencia comprueba el resultado. El repositorio ofrece unos 24,000 casos convertidos y recomienda un subconjunto de 272 para contener el costo de evaluación. También permite ejecutar el conjunto completo si se declara.
La metodología acota la lectura de los porcentajes: miden funcionalidad de bases de datos construida para ese encargo. OpenAI recuerda que aplicar estos resultados en producción requiere revisión experta y pruebas de negocio y dependencias.
Fortran ayuda a explicar los lenguajes con menos recursos
La expresión “Pocos recursos” alude a la menor disponibilidad de código y documentación para entrenar modelos frente a lenguajes como Python o JavaScript.
Fortran ayuda a precisar esa distinción. Su comunidad lo describe como un lenguaje en desarrollo activo, utilizado en predicción meteorológica y oceánica, dinámica de fluidos y otras tareas de cálculo científico. También mantiene proyectos de biblioteca estándar y gestión de paquetes.
Esos usos permiten entender la mejora reportada como apoyo potencial para el mantenimiento de aplicaciones vigentes. El anuncio menciona COBOL, Fortran y Visual Basic, mientras que las cifras detalladas corresponden a MultiLangBench, con 20 lenguajes, y a la migración desde COBOL.
El resultado más alto de la migración está delimitado por una prueba que exige salidas idénticas, byte por byte, y superar todos los casos. Para llevar esos resultados a producción, OpenAI señala que se requieren revisión experta y pruebas de negocio y dependencias.
