OpenAI alcanza un 97.9% de precisión en la codificación y migración de lenguajes de programación antiguos

OpenAI ha mejorado significativamente la capacidad de su modelo para escribir software en lenguajes de programación antiguos y migrar código existente. Sus últimos resultados muestran que, en una prueba diseñada para evaluar la migración de programas antiguos, la precisión alcanzó el 97.9%. Estas mejoras podrían ayudar a las empresas a modernizar el software que es crucial para sus operaciones diarias. Los bancos y las instituciones financieras aún dependen de códigos de hace décadas, lo que hace que el trabajo de reemplazo sea extremadamente arriesgado, ya que los desarrolladores deben conservar las reglas de cálculo y negocio existentes. El manejo del código COBOL legado sigue estando profundamente arraigado en la infraestructura financiera.

IBM estima que COBOL soporta más del 40% de los sistemas de banca en línea, el 80% de las transacciones de tarjetas de crédito en persona y el 95% de las transacciones de cajeros automáticos. Fortran también mantiene su importancia en cálculos científicos, incluyendo pronósticos meteorológicos y análisis de seguridad de reactores nucleares. El material de entrenamiento para estos dos lenguajes es mucho menor en comparación con opciones populares como Python y JavaScript.

Desafíos de los lenguajes de programación antiguos

OpenAI indica que los desarrolladores y clientes empresariales reportan dificultades al codificar con estos lenguajes antiguos. La documentación puede estar incompleta y las reglas de negocio clave pueden existir solo en el código original, lo que genera problemas durante el proceso de migración. Un programa reescrito puede funcionar sin errores, pero los resultados pueden ser diferentes. Por ejemplo, COBOL puede descartar dígitos decimales adicionales a menos que el programa solicite explícitamente redondear. Cambiar este comportamiento puede afectar los cálculos financieros. La evaluación de migración de COBOL de OpenAI prueba si el modelo puede convertir programas existentes a C++, Java, Kotlin, Python o Rust sin cambiar su comportamiento.

GPT-6.1 Sol alcanzó un 86.6% de precisión en baja dificultad de razonamiento, mientras que GPT-5.6 Sol solo alcanzó un 5.4%. OpenAI también reportó que en esta configuración, el costo de la API se redujo en un 39%. En una mayor dificultad de razonamiento, GPT-6.1 Sol alcanzó un 97.9% de precisión. Esta evaluación requiere que los programas convertidos pasen cada prueba oculta, incluyendo la verificación de su salida observable en comparación con el programa original. Esta cifra refleja el rendimiento del conjunto de pruebas de OpenAI, y no garantiza una migración sin errores.

Los desarrolladores aún deben validar según la carga de trabajo real y las dependencias no documentadas.

Resultados de pruebas multilingües

OpenAI también ha probado su modelo en MultiLangBench, una prueba que mide su capacidad para construir un motor de base de datos compatible con SQLite en 20 lenguajes de programación. La tasa promedio de aprobación de GPT-6 Astra alcanzó el 87.4%, en comparación, GPT-5.6 Sol solo alcanzó el 26.8%. Astra mostró mejoras en cada uno de los lenguajes de prueba. Su puntuación en Fortran subió del 21.4% al 83.5%, mientras que en Visual Basic pasó del 27.5% al 89.4%.

A pesar de que COBOL sigue siendo el lenguaje más desafiante, la puntuación de Astra subió del 10.9% al 72.1%. La tasa promedio de aprobación de GPT-6 Luna fue más baja, del 40.3%, pero el costo por muestra fue aproximadamente inferior al de GPT-5.6 Sol, que fue de US$0.77 (aproximadamente HK$6) y US$3.48 (aproximadamente HK$27). Estos hallazgos muestran un apoyo más fuerte para el mantenimiento de software envejecido, sin embargo, los desarrolladores aún deben asegurarse de que los sistemas modernizados conserven el comportamiento del que dependen las empresas.

Las pruebas de referencia también mostraron áreas que aún necesitan mejoras. Los resultados de Astra variaron significativamente entre diferentes lenguajes, y COBOL sigue siendo el mayor desafío. Al mismo tiempo, el menor costo de Luna podría permitir a los equipos de ingeniería realizar más experimentos sin aumentar significativamente el presupuesto. Estos resultados ofrecen evidencia alentadora de progreso, pero los equipos deben validar cuidadosamente los despliegues de producción antes de confiar en que el software migrado se utilice en operaciones críticas.

Impacto del modelo de OpenAI en sistemas antiguos

OpenAI ha logrado avances significativos en la codificación y migración de lenguajes de programación antiguos, especialmente en la industria financiera, donde muchos sistemas aún dependen de códigos de hace décadas. A medida que las empresas buscan modernizar sus operaciones, estas mejoras tecnológicas pueden reducir efectivamente el riesgo de reemplazo y asegurar la conservación de las reglas de negocio. Sin embargo, los desarrolladores aún deben enfrentar desafíos de documentación incompleta y lógica de negocio, lo que podría afectar la precisión de la migración. Los resultados de las pruebas de OpenAI indican que, a pesar de los avances, se necesita una validación adicional para garantizar la fiabilidad de los nuevos sistemas, lo cual es crucial para las operaciones comerciales críticas.