OpenAI 的模型目前在协助银行业和旧有编程语言的软件迁移方面变得更有效，尤其是 COBOL、Fortran 和 Visual Basic 这些仍广泛使用的系统。全球银行中有 40% 仍依赖 COBOL 作为核心，如果要转用新语言，成本可能高达上百万美元，且时间成本和风险非常高。随着 COBOL 程序设计师逐步退休，未来几年内完成迁移成为迫切任务。OpenAI 表示，改善模型在 COBOL 能力方面的工作，是根据开发人员和企业客户的反馈来引导的；而在实际应用中，将程序行为与数值运算的边界条件结合，是确保迁移后系统行为一致的核心。以上蓝图显示，在现有的自动化工具之上，AI 模型需要长期的测试和审核，才能在生产环境中可靠运作。
模型在旧语言的行为保留和迁移能力的测试进展，成绩亮点和局限性
OpenAI 通过 MultiLangBench 评估套件，测试模型在指定语言下建立 SQLite 兼容的数据库引擎等任务的表现。GPT‑6 Astra 在 20 种语言的平均通过率达到 87.4%，相比于早一代 GPT‑5.6 Sol 的 26.8% 有显著提升。至于 COBOL 这个最难突破的语言，Astra 的通过率仍然只有 72%。这些数字显示，虽然整体表现提升，但要在银行业高度严格的需求下，同时保留现有数据结构、财务规则和容错机制，仍有相当距离需要克服。
跨语言迁移的准确性与行为保留的极限，生产适用性正受到审核
OpenAI 也评估过将 COBOL 程序迁移到 C++、Java、Kotlin、Python 或 Rust 等现代语言，同时维持原有行为。这些测试指出，成功迁移的前提不仅是“代码通过测试”，还要保留模块对数值四舍五入、缺失记录的处理等关键商业规则。GPT-6.1 Sol 在高推理力度下，准确度最高可达 97.9%，低推理力度则有 86.6%。OpenAI 指出，要真正达到生产级迁移，所有测试都要合格，否则就需要额外的专家审核和系统性测试。这些结果显示，AI 辅助迁移在风险敏感的金融应用中，仍需与现场业务逻辑严格对接。
背景资料指出，目前模型在旧语言的适用性，受限于对逻辑推理和数据结构的理解深度。相较于一般软件开发，银行核心系统更需要可预测的输出与严格的合规性，这些都不能单靠自动化生成模型解决。OpenAI 表示，在推动现代化迁移的过程中，仍然需要与客户现场的测试流程、业务规则引擎和数据治理架构整合和验证，才能保证“测试全部通过”但实际运作无风险。
综合来看，这轮研究显示 AI 技术在旧语言迁移方面确实有显著进展，特别是在多语言环境下的表现提升和通过率，但 COBOL 仍然是最大的挑战。政府和金融机构若要将现有 COBOL 系统平滑过渡到现代架构，不仅需要依靠模型的自动化能力，还需要配套的人力审核、现有规则定义和长期的监控体系。OpenAI 指出，行为保留能力对团队在维护和现代化旧系统方面具备实际价值，但要投入生产环境，仍需经过严格的测试和评估，确保与业务规则和依赖关系相容。