OpenAI dice que GPT-6 ha mejorado mucho en COBOL y otros lenguajes de programación antiguos
OpenAI informa grandes avances en lenguajes poco utilizados como COBOL y Fortran, incluido un salto en una prueba de migración COBOL. Todas las cifras son propias de la empresa.
OpenAI dice que sus modelos GPT-6 ahora son mucho mejores escribiendo código en lenguajes de programación más antiguos y menos comunes, como COBOL, Fortran y Visual Basic. Según The Decoder del 20 de octubre, estos son lenguajes de “bajos recursos”, lo que significa que hay mucho menos código público para aprender que para Python o JavaScript. La razón por la que esto es importante: The Decoder cita una estimación de IBM de que COBOL ejecuta más del 40% de los sistemas bancarios en línea y el 95% de las transacciones en cajeros automáticos.
OpenAI respalda la afirmación con dos pruebas. El primero, MultiLangBench, solicita a un modelo que cree un motor de base de datos que funcione como SQLite desde cero, en 20 idiomas. Con el máximo esfuerzo de razonamiento, GPT-6 Astra promedió el 87,4 % de las pruebas aprobadas y GPT-6.1 Sol obtuvo aproximadamente el 87 %. El GPT-6 Luna más económico obtuvo un 40,3%, apenas por delante del GPT-5.6 Terra con aproximadamente un 38%. La segunda prueba cubre la migración de COBOL, traduciendo el COBOL antiguo a lenguajes modernos como Java, Python o Rust. GPT-6.1 Sol alcanzó un 86,6 % de precisión con un esfuerzo de razonamiento bajo, en comparación con el 5,4 % de GPT-5.6 Sol y el 97,9 % con un esfuerzo mayor.
Antes de emocionarse, tenga en cuenta las advertencias. Cada figura es propia de OpenAI, sin verificación independiente. Las dos pruebas utilizan diferentes modelos antiguos como base, por lo que los saltos no se pueden comparar directamente. La cobertura no enumera los 20 idiomas y no dice qué tan bien las pruebas reflejan las migraciones reales, donde el código debe validarse con sistemas de producción en vivo.
Qué hay detrás: un “benchmark” es un examen estandarizado para modelos de IA. Las puntuaciones son útiles para comparar, pero un modelo que aprueba un examen aún puede tropezar con un sistema bancario desordenado del mundo real. Los lenguajes antiguos son un caso difícil para la IA porque los datos de entrenamiento son escasos: la mayor parte de COBOL vive dentro de sistemas de empresas privadas, no en sitios web públicos. Las personas que entienden estos sistemas también se están jubilando, por lo que las organizaciones tienen un incentivo real para buscar ayuda. Por eso es comercialmente interesante un modelo que pueda leer y traducir código antiguo.
Qué significa esto para ti: si eres estudiante o aficionado, nada cambia, pero es una buena señal de que la ayuda de la IA se está extendiendo más allá de los lenguajes populares. Si trabaja en una empresa con software heredado, esta es una razón para ejecutar un piloto pequeño y bien supervisado, por ejemplo traduciendo un módulo de bajo riesgo y comparando el resultado con el comportamiento del original. No trate un porcentaje benchmark como una promesa de que su propio sistema se puede migrar de forma segura.
Fuentes
Fuentes: https://openai.com/index/low-resource-programming-languages/
Claude diseña circuitos cuánticos más eficientes, con una computadora que controla cada paso
Anthropic dice que Claude Mythos 5 encontró diseños de circuitos cuánticos que necesitan menos qubits y puertas que los publicados en ocho tareas. Un verificador incorporado lo mantuvo honesto.
