Нове покоління штучного інтелекту від OpenAI демонструє вражаючі результати у розв’язанні однієї з найбільш виснажливих проблем сучасної IT-індустрії — модернізації застарілого програмного забезпечення. Як повідомляє видання Interesting Engineering, свіжі випробування моделей лінійки GPT-6 свідчать про те, що алгоритми нарешті навчилися ефективно працювати з «архаїчними» мовами програмування, які десятиліттями залишалися головним болем для банківського та державного секторів.
Проблема успадкованого коду (legacy code) полягає не лише у віці технологій, а й у специфіці їхньої логіки. Наприклад, у мові COBOL, яка була створена ще наприкінці 1950-х років, існують особливі правила обробки чисел: система може просто відкидати зайві десяткові знаки замість їхнього округлення. Якщо сучасна програма на Python або Java виконає таку операцію за загальноприйнятими математичними правилами, це спричинить ланцюгову реакцію помилок у фінансових звітах або наукових розрахунках. Саме тому фінансові установи по всьому світу досі змушені утримувати сервери на COBOL, оскільки ризик помилки під час перенесення коду (міграції) був занадто високим.
## Прорив у точності: від GPT-5 до GPT-6
Раніше розробники ШІ визнавали, що нейромережі важко даються старі мови через обмежену кількість якісної документації та специфічний синтаксис. Проте результати тестів останньої моделі GPT-6.1 Sol виявилися сенсаційними. Під час перенесення програм із COBOL на сучасні платформи (C++, Java, Python, Rust) модель показала точність на рівні 86,6% навіть при мінімальних обчислювальних затратах. Це колосальний стрибок порівняно з попередньою ітерацією, GPT-5.6 Sol, яка в аналогічних умовах демонструвала лише 5,4% успіху.
Коли ж моделі надали доступ до максимальних обчислювальних ресурсів, показник точності GPT-6.1 Sol сягнув неймовірних 97,9%. Оцінювання відбувалося через систему «прихованих» тестів, де ШІ мав не просто перекласти код, а забезпечити повну ідентичність результатів роботи нової програми порівняно з оригіналом. Водночас експерти OpenAI застерігають: попри високі відсотки, фінальна перевірка критично важливих систем залишається за людиною, адже ці цифри відображають результати контрольних тестів, а не гарантують відсутність багів у кожному індивідуальному проекті.
Паралельно була випробувана модель GPT-6 Astra, яку перевіряли у тесті MultiLangBench. Перед ШІ поставили складне архітектурне завдання: створити рушій бази даних, сумісний із SQLite, використовуючи 20 різних мов програмування. Середній успіх моделі Astra склав 87,4%, що майже втричі перевищує можливості попередників. Цікаво, що прогрес торкнувся не лише популярних мов: результати у Fortran (мові для інженерних розрахунків) зросли до 83,5%, а у Visual Basic — до 89,4%. Навіть у «впертому» COBOL ефективність зросла до 72,1%.
## Економіка оновлення та виклики для розробників
Окрім технічної досконалості, OpenAI працює і над доступністю технології. Модель GPT-6 Luna продемонструвала дещо скромніші результати (40,3% успішних тестів у MultiLangBench), проте вона виявилася значно дешевшою в експлуатації. Вартість обробки одного зразка коду в Luna становить приблизно 0,77 долара, що на 78% менше за витрати на попередню модель GPT-5.6 Sol (3,48 долара). Така цінова політика може зробити масову модернізацію застарілих систем доступною не лише для транснаціональних корпорацій, а й для менших організацій.
Історично склалося так, що світ програмування тримається на «невидимих атлантах» — мовах на кшталт COBOL та Fortran. Перша досі обробляє до 80% усіх транзакцій у банкоматах світу та понад 90% операцій з кредитними картками. Проблема в тому, що фахівців, які знають ці мови, стає дедалі менше, оскільки вони виходять на пенсію, а молоді розробники віддають перевагу сучасним інструментам. Це створює величезні ризики для світової інфраструктури.
Успіх сімейства GPT-6 дає надію на те, що «цифрова реновація» пройде швидше та безпечніше. Однак складність перенесення систем полягає в тому, що часто початкова логіка роботи алгоритмів не задокументована і прихована в самих надрах коду, написаного 40–50 років тому. Здатність штучного інтелекту розпізнавати ці приховані патерни та відтворювати їх у сучасному середовищі без втрати даних є справжнім технологічним проривом, хоча й потребує постійного нагляду з боку кваліфікованих інженерів.
