Laut OpenAI ist GPT-6 bei COBOL und anderen alten Programmiersprachen viel besser geworden
OpenAI meldet große Fortschritte bei selten verwendeten Sprachen wie COBOL und Fortran, einschließlich eines Sprungs bei einem COBOL-Migrationstest. Alle Angaben stammen vom Unternehmen.
OpenAI sagt, dass seine GPT-6-Modelle jetzt viel besser in der Lage sind, Code in älteren, weniger verbreiteten Programmiersprachen wie COBOL, Fortran und Visual Basic zu schreiben. Laut The Decoder vom 20. Oktober handelt es sich dabei um „ressourcenarme“ Sprachen, was bedeutet, dass viel weniger öffentlicher Code zum Lernen zur Verfügung steht als bei Python oder JavaScript. Der Grund dafür ist wichtig: The Decoder zitiert eine IBM-Schätzung, dass COBOL mehr als 40 % der Online-Banking-Systeme und 95 % der Geldautomatentransaktionen ausführt.
OpenAI untermauert die Behauptung mit zwei Tests. Der erste, MultiLangBench, fordert ein Modell auf, eine Datenbank-Engine zu erstellen, die wie SQLite von Grund auf in 20 Sprachen funktioniert. Bei maximalem Argumentationsaufwand hat GPT-6 Astra durchschnittlich 87,4 % der Tests bestanden, und GPT-6.1 Sol kam auf etwa 87 %. Der günstigere GPT-6 Luna erreichte einen Wert von 40,3 % und lag damit nur knapp vor dem GPT-5.6 Terra mit etwa 38 %. Der zweite Test umfasst die COBOL-Migration und die Übersetzung alter COBOL in moderne Sprachen wie Java, Python oder Rust. GPT-6.1 Sol erreichte eine Genauigkeit von 86,6 % bei geringem Argumentationsaufwand, verglichen mit 5,4 % für GPT-5.6 Sol und 97,9 % bei höherem Aufwand.
Bevor Sie sich aufregen, beachten Sie die Vorbehalte. Jede Figur ist eine eigene Figur von OpenAI, ohne unabhängige Kontrolle. Die beiden Tests verwenden unterschiedliche ältere Modelle als Basis, sodass die Sprünge nicht direkt verglichen werden können. In der Berichterstattung werden die 20 Sprachen nicht aufgeführt und es wird nicht gesagt, wie gut die Tests echte Migrationen widerspiegeln, bei denen Code anhand von Live-Produktionssystemen validiert werden muss.
Was dahinter steckt: Eine „Benchmark“ ist eine standardisierte Prüfung für KI-Modelle. Ergebnisse sind zum Vergleichen nützlich, aber ein Modell, das eine Prüfung mit Bravour besteht, kann immer noch auf ein chaotisches Banksystem in der realen Welt stoßen. Alte Sprachen sind ein schwieriger Fall für KI, da die Trainingsdaten dünn sind: Der Großteil von COBOL befindet sich in privaten Unternehmenssystemen und nicht auf öffentlichen Websites. Die Leute, die diese Systeme verstehen, gehen ebenfalls in den Ruhestand, sodass Organisationen einen echten Anreiz haben, Hilfe zu suchen. Deshalb ist ein Modell, das alten Code lesen und übersetzen kann, kommerziell interessant.
Was das für Sie bedeutet: Wenn Sie Student oder Bastler sind, ändert sich nichts, aber es ist ein schönes Zeichen dafür, dass sich die KI-Hilfe über die gängigen Sprachen hinaus verbreitet. Wenn Sie in einem Unternehmen mit veralteter Software arbeiten, ist dies ein Grund, ein kleines, gut überwachtes Pilotprojekt durchzuführen, bei dem beispielsweise ein Modul mit geringem Risiko übersetzt und die Ausgabe mit dem Verhalten des Originals verglichen wird. Betrachten Sie einen Benchmark-Prozentsatz nicht als Versprechen, dass Ihr eigenes System sicher migriert werden kann.
Quellen
Quellen: https://openai.com/index/low-resource-programming-languages/
Claude entwirft schlankere Quantenschaltungen, wobei ein Computer jeden Schritt überprüft
Laut Anthropic hat Claude Mythos 5 in acht Aufgaben Quantenschaltungsdesigns gefunden, die weniger Qubits und Gatter benötigen als veröffentlichte. Ein eingebauter Prüfer sorgte für Ehrlichkeit.
