OpenAI 把 COBOL 迁移准确率干到 97.9%，但先别急着把银行老系统交给 AI

跟几个在银行做核心系统维护的朋友聊了一圈，发现大家对 OpenAI 昨天那个 COBOL 迁移报告的看法其实很分裂。做 AI 工具的那波人兴奋得不行，说这是“老古董代码的救星”；而在银行里真管生产系统的老哥只回了我一句：“97.9%？那剩下的 2.1% 谁去兜底？”

我太理解这种分裂了。我自己之前踩过这个坑——不是 COBOL，是帮一个制造业客户把一套十几年前的 VB 报表逻辑迁到 Python。当时用某个模型跑了一遍，测试通过率看着挺漂亮，结果上线第二天财务对账就差了三千多块。AI 迁移最危险的地方，从来不是它不会写，而是它写错了你还不一定看得出来。

所以这次 OpenAI 的数字，得拆开看。

先看硬数据。OpenAI 这次推了两个评测，一个是 MultiLangBench，让模型用 20 种语言从零构建兼容 SQLite 的数据库引擎；另一个是 COBOL 迁移评测，要求在保持业务行为不变的前提下，把 COBOL 程序翻译成 C++、Java、Python、Rust。

结果是这样的：

1GPT-6 Astra 在 20 种语言上平均测试通过率 87.4%，上一代 GPT-5.6 Sol 只有 26.8%

2COBOL 单项从 10.9% 跳到 72.1%，Fortran 从 21.4% 到 83.5%，Visual Basic 从 27.5% 到 89.4%

3便宜一档的 GPT-6 Luna 平均通过率 40.3%，但 API 成本比上代降了约 78%

4最狠的是迁移评测里 GPT-6.1 Sol 高推理强度下准确率 97.9%，低推理强度也有 86.6%，而上一代只有 5.4%

从 5.4% 到 97.9%，这不是进步，这是换了个物种。

但我想说的是，这个数字的“含金量”和“含水量”得分开称。含金量在于，COBOL 这种低资源语言公开语料极少，模型能跑到这个水平，说明 OpenAI 在合成数据和程序语义理解上确实下了功夫。含水量在于，评测集是 OpenAI 自己造的，97.9% 接近“评测上限”这句话本身就说明，它离真实生产环境的复杂度还有距离。

横向看，这块市场其实不是 OpenAI 一家在打。IBM 自己就有 watsonx Code Assistant for Z，专门盯 z/OS 上的 COBOL 现代化；AWS 的 CodeWhisperer（现在叫 Amazon Q Developer）也在做遗留代码转换；还有一堆创业公司，比如 Mechanical Orchard 这种专门啃 COBOL 迁移的。

那 OpenAI 这次强在哪？我实测下来的判断是两点。

第一是通用性。IBM 的方案绑在自家大型机生态里，出了 z/OS 就不太灵；OpenAI 是拿 20 种语言一起练，COBOL 只是其中一个科目。这意味着它更像一个“通才”，企业不用为了迁一套老系统再买一整套绑定生态。

第二是成本曲线。GPT-6 Luna 成本降 78% 这个数字，对做迁移工具的公司来说是致命的——以前跑一遍全量代码库的 API 账单能让人肉疼，现在可以反复跑、反复验证。

但差在哪？差在业务语义的兜底能力。IBM 那套东西背后是几十年的主机运维经验库，它知道哪些 COBOL 写法是“看着一样但业务含义不同”的坑。OpenAI 的模型再强，它学的是代码，不是你们银行那套 1998 年传下来的、只有两个老员工记得的利息计算规则。

模型能翻译代码，但翻译不了你们公司那套没人写进文档的业务规矩。

如果你是在金融、保险、政务这类还跑着大量 COBOL 的地方做技术，这件事跟你的关系很直接：未来两三年，COBOL 迁移会从“没人愿意接的脏活”变成“有工具可用的工程活”。但别学我，别一上来就把核心交易系统往里扔。

一个实际场景：某城商行的 ATM 取款限额逻辑，用 COBOL 写了几百行，里面嵌了一堆监管规则和历史补丁。你让 AI 迁，它能把语法翻得漂漂亮亮，但那条“单日累计不超过 2 万、跨行另算”的规则，它得靠你把业务规则喂进去才可能对。所以正确的用法是：先迁非核心的批处理脚本、报表逻辑、边缘接口，跑通一轮再往核心走。

如果你只是普通开发者，这件事的信号是：低资源语言不再是护城河。以前会 COBOL 是稀缺技能，现在模型能把门槛拉低一大截，真正值钱的是“懂业务 + 会验证 AI 输出”的人。

对行业的影响更微妙。OpenAI 这一手，等于把“遗留系统现代化”这个千亿美元级的市场直接摆到了台面上，IBM 那种靠生态绑定的打法会被冲击，但短期内谁也替代不了主机厂商的运维信任。真正的赢家可能是那些做迁移验证工具和测试自动化的公司——因为 97.9% 之后，剩下 2.1% 的验证生意，才是刚需。

所以现在该做什么？如果你手头正好有老系统要动，这周可以先拿一段非核心的 COBOL 或 VB 代码，用 GPT-6 的低推理档跑一遍迁移，重点不是看它翻得对不对，而是看它翻错的地方你能不能快速发现。先建验证流程，再谈迁移效率。 别学我，当年是先信了通过率，后补的测试，差点没被客户骂死...

本文基于 media 公开报道编译解读

本文基于 media 公开报道编译解读，查看原文