Im Quellenvergleich
Worin die Quellen übereinstimmen
OpenAI hat am 19. Oktober 2026 mitgeteilt, seine Modelle für Programmiersprachen mit wenig Trainingsmaterial wie COBOL, Fortran und Visual Basic verbessert zu haben. Laut OpenAI tragen diese Sprachen wichtige Infrastruktur: COBOL stützt mehr als 40 Prozent der Online-Banking-Systeme und 95 Prozent der Geldautomaten-Transaktionen. Zur Bewertung entwickelte OpenAI zwei Tests. MultiLangBench verlangt, in 20 Programmiersprachen eine SQLite-kompatible Datenbank-Engine von Grund auf zu bauen. GPT-6 Astra erreichte dort mit maximalem Rechenaufwand im Schnitt 87,4 Prozent bestandene Tests, GPT-5.6 Sol 26,8 Prozent. Bei COBOL stieg die Quote von 10,9 auf 72,1 Prozent und blieb damit der schwächste Wert. Die zweite Prüfung testet die Migration von COBOL-Programmen nach C++, Java, Kotlin, Python oder Rust; nur bei bytegenau übereinstimmender Ausgabe gilt sie als gelungen. GPT-6.1 Sol erreichte mit geringem Rechenaufwand 86,6 Prozent, GPT-5.6 Sol 5,4 Prozent; mit höherem Aufwand stieg die Quote auf 97,9 Prozent. OpenAI betont, für den Einsatz in Produktivsoftware seien weiterhin Prüfungen durch Fachleute und Tests entlang der Geschäftsregeln und Abhängigkeiten nötig. Die Quellen berichten weitgehend übereinstimmend.
Worin sie sich unterscheidenAnteil der Kartenzahlungen im Handel, die auf COBOL beruhen·Kosten des günstigeren Modells GPT-6 Luna pro Versuch·Kosten der COBOL-Migration mit GPT-6.1 Sol+9 weitere
Anteil der Kartenzahlungen im Handel, die auf COBOL beruhenLaut OpenAI beruhen 80 Prozent der Kartenzahlungen im Handel auf COBOL.12 Kosten des günstigeren Modells GPT-6 Luna pro Versuch- GPT-6 Luna erreicht durchschnittlich 40,3 Prozent bei etwa 0,77 Dollar pro Versuch, verglichen mit 3,48 Dollar bei GPT-5.6 Sol.1
- GPT-6 Luna kommt auf 40,3 Prozent bei geschätzten API-Kosten von 0,77 Dollar pro Stichprobe, gegenüber 3,48 Dollar bei GPT-5.6 Sol.2
Kosten der COBOL-Migration mit GPT-6.1 Sol- Die API-Kosten von GPT-6.1 Sol liegen bei 61 Prozent der Kosten von GPT-5.6 Sol.2
- Die Kosten der Migration mit höherem Rechenaufwand und 97,9 Prozent Trefferquote nennt der Beitrag nicht.3
Transparenz der IBM-Schätzung zu COBOL-Anteilen- Die IBM-Schätzung sei wenig transparent, die Zahlen eher als Größenordnung zu lesen.1
Ergebnisse im externen Benchmark Code Migration von Vals AI- Im externen Benchmark Code Migration von Vals AI liegt GPT-6.1 Sol auf Platz vier von 26 Modellen, hinter zwei Anthropic-Modellen und GPT-6 Astra; es kostet 9,51 Dollar pro Test, Claude Sonnet 5.5 als Erster 43,88 Dollar.3
Grenzen der Migrationstests und des Produktiveinsatzes- Beide Tests stammen von OpenAI selbst, Vergleiche mit Claude oder Gemini fehlen; der Migrations-Test ist geschlossen, Größe und Herkunft der Programme unbekannt, das Ergebnis von 97,9 Prozent daher nicht nachprüfbar.1
- Ein isoliertes Programm stellt andere Anforderungen als eine Kette von Batch-Verarbeitungen; Thoughtworks zufolge ist Codegenerierung nur ein kleiner Teil des Problems, Datenmigration und Parallelbetrieb kommen hinzu und werden von OpenAIs Tests nicht gemessen.3
Veröffentlichung und Nachprüfbarkeit von MultiLangBench- MultiLangBench steht auf GitHub unter Apache 2.0; unabhängige Durchläufe fand der Autor nicht.1
- OpenAI hat MultiLangBench auf GitHub veröffentlicht.4
Risiko abweichender Rundung bei COBOL-Migration- COBOL-Arithmetik mit fester Kommastelle schneidet standardmäßig Nachkommastellen ab; eine automatisch rundende Portierung liefe fehlerfrei, errechne aber andere Beträge, weshalb Experten prüfen müssten.1
- Eine fehlerfreie Umschreibung kann falsche Beträge liefern, wenn sie anders rundet als COBOL; deshalb verlangt der Test byte-identische Ausgaben.3
Ergebnis des Preprints SWE Refactor Bench- Im Preprint SWE Refactor Bench migrierten Agenten ganze Repositories; von 520 Versuchen gelangen 28, also 5,4 Prozent.1
Einsatz von Fortran- Fortran kommt in Wettervorhersagen und Sicherheitsanalysen von Reaktoren zum Einsatz.2
Anlass der Modellverbesserung- Anlass seien Rückmeldungen von Entwicklern und Firmenkunden gewesen, dass die Modelle diese Sprachen schlecht beherrschten.2
Ergebnisse in einzelnen Sprachen- In COBOL stieg die Rate von 10,9 auf 72,1 Prozent, in Fortran von 21,4 auf 83,5 Prozent; bei Visual Basic lag die Erfolgsrate nahe 90 Prozent.4
- In 19 der 20 Sprachen lag das Ergebnis über 83 Prozent.2