Новое поколение искусственного интеллекта от OpenAI демонстрирует впечатляющие результаты в решении одной из самых изнурительных проблем современной IT-индустрии — модернизации устаревшего программного обеспечения. Как сообщает издание Interesting Engineering, свежие испытания моделей линейки GPT-6 свидетельствуют о том, что алгоритмы наконец научились эффективно работать с «архаичными» языками программирования, которые десятилетиями оставались головной болью для банковского и государственного секторов.
Проблема унаследованного кода (legacy code) заключается не только в возрасте технологий, но и в специфике их логики. Например, в языке COBOL, который был создан еще в конце 1950-х годов, существуют особые правила обработки чисел: система может просто отбрасывать лишние десятичные знаки вместо их округления. Если современная программа на Python или Java выполнит такую операцию по общепринятым математическим правилам, это вызовет цепную реакцию ошибок в финансовых отчетах или научных расчетах. Именно поэтому финансовые учреждения по всему миру до сих пор вынуждены поддерживать серверы на COBOL, поскольку риск ошибки при переносе кода (миграции) был слишком высоким.
## Прорыв в точности: от GPT-5 до GPT-6
Ранее разработчики ИИ признавали, что нейросетям трудно даются старые языки из-за ограниченного количества качественной документации и специфического синтаксиса. Однако результаты тестов последней модели GPT-6.1 Sol оказались сенсационными. Во время переноса программ с COBOL на современные платформы (C++, Java, Python, Rust) модель показала точность на уровне 86,6% даже при минимальных вычислительных затратах. Это колоссальный скачок по сравнению с предыдущей итерацией, GPT-5.6 Sol, которая в аналогичных условиях демонстрировала лишь 5,4% успеха.
Когда же моделям предоставили доступ к максимальным вычислительным ресурсам, показатель точности GPT-6.1 Sol достиг невероятных 97,9%. Оценивание происходило через систему «скрытых» тестов, где ИИ должен был не просто перевести код, а обеспечить полную идентичность результатов работы новой программы по сравнению с оригиналом. В то же время эксперты OpenAI предостерегают: несмотря на высокие проценты, финальная проверка критически важных систем остается за человеком, ведь эти цифры отражают результаты контрольных тестов, а не гарантируют отсутствие багов в каждом индивидуальном проекте.
Параллельно была испытана модель GPT-6 Astra, которую проверяли в тесте MultiLangBench. Перед ИИ поставили сложное архитектурное задание: создать движок базы данных, совместимый с SQLite, используя 20 различных языков программирования. Средний успех модели Astra составил 87,4%, что почти в три раза превышает возможности предшественников. Интересно, что прогресс коснулся не только популярных языков: результаты в Fortran (языке для инженерных расчетов) выросли до 83,5%, а в Visual Basic — до 89,4%. Даже в «упертой» COBOL эффективность возросла до 72,1%.
## Экономика обновления и вызовы для разработчиков
Кроме технической совершенствованности, OpenAI работает и над доступностью технологии. Модель GPT-6 Luna продемонстрировала несколько скромные результаты (40,3% успешных тестов в MultiLangBench), однако она оказалась значительно дешевле в эксплуатации. Стоимость обработки одного образца кода в Luna составляет примерно 0,77 доллара, что на 78% меньше затрат на предыдущую модель GPT-5.6 Sol (3,48 доллара). Такая ценовая политика может сделать массовую модернизацию устаревших систем доступной не только для транснациональных корпораций, но и для меньших организаций.
Исторически сложилось так, что мир программирования держится на «невидимых атлантах» — языках наподобие COBOL и Fortran. Первый по-прежнему обрабатывает до 80% всех транзакций в банкоматах мира и более 90% операций с кредитными картами. Проблема в том, что специалистов, которые знают эти языки, становится все меньше, поскольку они выходят на пенсию, а молодые разработчики отдают предпочтение современным инструментам. Это создает огромные риски для мировой инфраструктуры.
Успех семейства GPT-6 дает надежду на то, что «цифровая реновация» пройдет быстрее и безопаснее. Однако сложность переноса систем заключается в том, что часто начальная логика работы алгоритмов не задокументирована и скрыта в самих недрах кода, написанного 40–50 лет назад. Способность искусственного интеллекта распознавать эти скрытые паттерны и воспроизводить их в современном окружении без потери данных является настоящим технологическим прорывом, хотя и требует постоянного надзора со стороны квалифицированных инженеров.
