OpenAI afferma che GPT-6 è migliorato molto in COBOL e in altri vecchi linguaggi di programmazione
OpenAI riporta grandi guadagni su linguaggi usati raramente come COBOL e Fortran, incluso un salto in un test di migrazione COBOL. Tutte le cifre appartengono all'azienda.
OpenAI afferma che i suoi modelli GPT-6 ora sono molto più bravi a scrivere codice in linguaggi di programmazione più vecchi e meno comuni come COBOL, Fortran e Visual Basic. Secondo The Decoder del 20 ottobre, questi sono linguaggi “a risorse limitate”, il che significa che c’è molto meno codice pubblico da cui imparare rispetto a Python o JavaScript. Il motivo per cui questo è importante: The Decoder cita una stima IBM secondo cui COBOL gestisce oltre il 40% dei sistemi bancari online e il 95% delle transazioni ATM.
OpenAI conferma l’affermazione con due test. Il primo, MultiLangBench, chiede a un modello di creare da zero un motore di database che funzioni come SQLite, in 20 lingue. Al massimo sforzo di ragionamento, GPT-6 Astra ha ottenuto una media dell’87,4% dei test superati e GPT-6.1 Sol è arrivato a circa l’87%. Il più economico GPT-6 Luna ha ottenuto il 40,3%, appena davanti allo GPT-5.6 Terra con circa il 38%. Il secondo test riguarda la migrazione COBOL, traducendo il vecchio COBOL in linguaggi moderni come Java, Python o Rust. GPT-6.1 Sol ha raggiunto una precisione dell’86,6% con uno sforzo di ragionamento basso, rispetto al 5,4% di GPT-5.6 Sol e al 97,9% con uno sforzo maggiore.
Prima di emozionarti, prendi nota degli avvertimenti. Ogni figura è propria di OpenAI, senza controllo indipendente. I due test utilizzano diversi modelli precedenti come base di riferimento, quindi i salti non possono essere confrontati direttamente. La copertura non elenca le 20 lingue e non dice quanto bene i test rispecchino le migrazioni reali, dove il codice deve essere convalidato rispetto ai sistemi di produzione live.
Cosa c’è dietro: un “benchmark” è un esame standardizzato per i modelli IA. I punteggi sono utili per il confronto, ma un modello che supera un esame può comunque inciampare nel disordinato sistema bancario del mondo reale. Le vecchie lingue rappresentano un caso difficile per l’intelligenza artificiale perché i dati di addestramento sono scarsi: la maggior parte dei COBOL risiede all’interno dei sistemi aziendali privati, non su siti Web pubblici. Anche le persone che comprendono questi sistemi vanno in pensione, quindi le organizzazioni hanno un reale incentivo a trovare aiuto. Ecco perché un modello in grado di leggere e tradurre il vecchio codice è commercialmente interessante.
Cosa significa per te: se sei uno studente o un hobbista, non cambia nulla, ma è un bel segno che l’aiuto dell’intelligenza artificiale si sta diffondendo oltre le lingue popolari. Se lavori in un’azienda con software legacy, questo è un motivo per avviare un piccolo progetto pilota ben supervisionato, ad esempio traducendo un modulo a basso rischio e controllando l’output rispetto al comportamento dell’originale. Non considerare una percentuale benchmark come una promessa che il tuo sistema può essere migrato in modo sicuro.
Fonti
Fonti: https://openai.com/index/low-resource-programming-languages/
Claude progetta circuiti quantistici più snelli, con un computer che controlla ogni passaggio
Anthropic afferma che Claude Mythos 5 ha scoperto progetti di circuiti quantistici che richiedono meno qubit e porte rispetto a quelli pubblicati in otto attività. Un controllo integrato lo ha mantenuto onesto.
