GPT-6 最强的那批能力,OpenAI 偏拿 COBOL 来考。这事儿看着荒唐,其实指向一个被所有人故意绕开的真金矿。
大模型圈天天卷 benchmark、卷长上下文,没人愿意提一个事实:全球跑着的关键业务系统,大量是五六十年前的语言写的。银行核心、保险账本、工业控制逻辑——这些 legacy(早该退休却还在跑的老系统代码)才是真金白银的存量,也是 AI 最该啃的硬骨头。
OpenAI 这次开源了 MultiLangBench,把 COBOL、Fortran、Visual Basic 这些"低资源语言"的构建与迁移能力量化成了榜单。说白了,就是给模型出了套能对照的考卷,你用的语言考多少分,一目了然。
我的判断很直接:谁先在 legacy 迁移上跑通,谁就先摸到企业级 AI 最肥的那块肉。这不是玩具场景,是每年几百亿的维护预算在等一个替代方案。
但这张考卷也暴露了边界。低资源语言训练样本极少,模型再强也是"窄域能手",跨到没见过的老系统变体照样翻车。别被分数忽悠成"一键迁移"——它解决的是"能不能动",不是"动得对不对"。
真正值钱的下一步,是把评测套件接进你自己的代码库,用自家历史债务当题。开源出来,就是为了让你这么干的。