OpenAI مدل‌های جدید خود را برای زبان‌های برنامه‌نویسی کم‌منبع مانند COBOL، Fortran و Visual Basic بهبود داده است. در آزمون جدیدی به نام MultiLangBench، مدل GPT-6 Astra توانسته است نرخ قبولی ۸۷.۴ درصدی را در ۲۰ زبان مختلف به دست آورد. این در حالی است که مدل قبلی، GPT-5.6 Terra، تنها به نرخ قبولی حدود ۳۸ درصد دست یافته بود.
به‌طور خاص، در زمینه مهاجرت از زبان COBOL، مدل GPT-6.1 Sol به دقت ۹۷.۹ درصدی رسیده است. این نتیجه می‌تواند برای مدرن‌سازی زیرساخت‌های مالی حیاتی که همچنان به زبان‌های قدیمی وابسته هستند، اهمیت زیادی داشته باشد.
این بهبودها نشان‌دهنده پیشرفت قابل توجهی در توانایی مدل‌های هوش مصنوعی برای کار با زبان‌های برنامه‌نویسی قدیمی و کم‌منبع است که می‌تواند به توسعه‌دهندگان در به‌روزرسانی و نگهداری سیستم‌های قدیمی کمک کند.
برای جزئیات بیشتر می‌توانید به منبع اصلی مراجعه کنید.