OpenAI avança em código com IA em COBOL, Fortran e outras linguagens legadas

Foto: Sanket Mishra (Pexels)

A OpenAI afirmou que seus modelos mais recentes de inteligência artificial (IA) passaram a escrever e migrar software com bem mais precisão em linguagens de programação de baixo recurso, como COBOL, Fortran e Visual Basic. Essas linguagens têm menos código e documentação disponíveis para o treinamento dos modelos do que Python ou JavaScript, mas sustentam infraestrutura crítica em bancos, previsão do tempo e análise de segurança de reatores nucleares.

O anúncio, publicado no site da empresa e destaque no Hacker News nesta terça-feira (20), traz dois benchmarks internos e números de custo da interface de programação de aplicações (API). A companhia diz que o avanço responde a pedidos de desenvolvedores e clientes empresariais que enfrentam dificuldade para manter e modernizar sistemas antigos.

O que aconteceu

Segundo a OpenAI, o COBOL ainda responde por mais de 40% dos sistemas de internet banking, 80% das transações presenciais com cartão de crédito e 95% das operações em caixas eletrônicos. O Fortran continua em uso em previsão meteorológica e em análise de segurança de reatores. Manter esse software é difícil: a documentação pode estar incompleta, os autores originais podem ter saído da empresa e regras de negócio relevantes às vezes só existem no código.

Para medir progresso, a empresa criou o MultiLangBench, que pede ao modelo construir do zero um motor de banco de dados compatível com o SQLite em 20 linguagens diferentes. O candidato recebe um banco inicial e uma consulta SQL, altera o arquivo e é comparado com a implementação de referência do SQLite. No esforço máximo de raciocínio, o GPT-6 Astra alcançou taxa média de aprovação de testes de 87,4% nas 20 linguagens, ante 26,8% do GPT-5.6 Sol, com ganho em todas as línguas avaliadas. Em COBOL, a taxa subiu de 10,9% para 72,1%; em OCaml, de 25,6% para 85,8%; em Fortran, de 21,4% para 83,5%; e em Visual Basic, de 27,5% para 89,4%. O Astra ficou acima de 83% em 19 das 20 linguagens; o COBOL seguiu como o caso mais difícil, com 72%.

O GPT-6 Luna, opção mais barata, também superou o GPT-5.6 Sol em todas as linguagens e chegou a 40,3% de taxa média, com custo estimado de API cerca de 78% menor (US$ 0,77 por amostra ante US$ 3,48). A OpenAI informa que libera o setup e a suíte de testes do MultiLangBench no GitHub.

No segundo teste, o modelo precisa migrar programas em COBOL para C++, Java, Kotlin, Python ou Rust sem alterar o comportamento observável, inclusive detalhes como aritmética de ponto fixo e tratamento de registros ausentes. Com baixo esforço de raciocínio, o GPT-6.1 Sol atingiu 86,6% de acurácia, contra 5,4% do GPT-5.6 Sol, a cerca de 61% do custo de API; com esforço maior, a acurácia chegou a 97,9%, quase saturando a avaliação. A empresa ressalta que migrações em produção ainda exigem revisão de especialistas e testes contra regras de negócio e dependências do sistema.

O que isso pode mudar

Se os ganhos se confirmarem fora dos benchmarks, equipes que sustentam sistemas legados poderiam acelerar correções e reescritas sem perder o comportamento financeiro e operacional embutido no código antigo. Bancos, operadoras de cartão e órgãos que usam Fortran em simulações científicas poderiam, em tese, reduzir o custo e o risco de modernização ao combinar modelos mais precisos com revisão humana.

A hipótese mais cautelosa é que o salto seja forte em tarefas controladas, mas ainda parcial em repositórios reais, com documentação esparsa e acoplamentos externos. A própria OpenAI admite que as avaliações mostram onde os modelos melhoram e onde ainda falham, e pede retorno de quem usa a API sobre linguagens e fluxos que merecem foco. O MultiLangBench aberto pode, por sua vez, virar referência pública para comparar ferramentas de código em línguas pouco representadas nos dados de treino.

Fontes: OpenAI; Hacker News.

Fontes: OpenAI · Hacker News

Leia mais em: mundodosnegocio.com.br