Qué es la mejora de OpenAI en COBOL y Fortran: MultiLangBench y resultados de la migración de COBOL

Captura de la página oficial de OpenAI — MultiLangBench — OpenAI — MultiLangBench · FuenteCaptura: 20 de octubre de 2026

Las capturas muestran las páginas oficiales en la fecha indicada y pueden diferir de las de la publicación. Selecciona una imagen para ampliarla.

El 19 de octubre de 2026 (a las 21:00 del mismo día, hora de Japón), OpenAI publicó un artículo titulado "Advancing coding in low-resource programming languages" (Avanzar en la programación en lenguajes de bajos recursos). En él explica que sus modelos de IA más recientes han mejorado mucho a la hora de escribir programas, y de trasladarlos a otros lenguajes, en lenguajes de programación veteranos como COBOL, Fortran y Visual Basic. Al mismo tiempo, publicó en GitHub un nuevo sistema de evaluación, MultiLangBench.

Las cifras de este artículo son las que coinciden en varias noticias sobre el anuncio de OpenAI, junto con la descripción de la evaluación publicada en GitHub. Todas las puntuaciones que se citan fueron medidas por la propia OpenAI.

Qué son los "lenguajes de bajos recursos"

Los modelos de IA aprenden a programar estudiando grandes cantidades de programas y explicaciones, gran parte de ellos disponibles en internet. Los lenguajes muy usados, como Python y JavaScript, tienen muchísimos ejemplos de los que aprender, pero de lenguajes como COBOL y Fortran hay muchos menos programas y documentos públicos, y la IA siempre ha tenido dificultades con ellos. A estos lenguajes, con poco material disponible para el entrenamiento, se les llama "lenguajes de bajos recursos".

COBOL se ha usado sobre todo para el procesamiento administrativo, y Fortran sobre todo para el cálculo científico y técnico. Según la prensa, OpenAI señala en su artículo que COBOL sostiene más del 40% de la banca en línea, el 80% de los pagos con tarjeta en persona y el 95% de las operaciones en cajeros automáticos, y explica que Fortran se utiliza en la predicción meteorológica y en el análisis de seguridad de reactores nucleares.

La nueva evaluación MultiLangBench

MultiLangBench pide a los modelos de IA crear desde cero un software de base de datos llamado SQLite en 20 lenguajes. SQLite es un pequeño motor de base de datos muy utilizado.

Según la descripción publicada en GitHub, funciona así.

Al modelo solo se le entrega la documentación de SQLite 3.40.1, y se le pide escribir en el lenguaje indicado un programa que funcione igual
No puede conectarse a internet, y SQLite se elimina previamente del entorno
Unas 24.000 pruebas creadas a partir de las propias pruebas de SQLite comprueban si el programa da los mismos resultados que el SQLite real (por defecto se usan 272 de ellas)
Escribir en un lenguaje distinto del indicado, o mezclar varios lenguajes, cuenta como suspenso

Los 20 lenguajes son C, C#, C++, COBOL, Common Lisp, Fortran, Go, Java, JavaScript, Lean, OCaml, PHP, PowerShell, Python, Ruby, Rust, Scala, Swift, Visual Basic y Zig. Las pruebas y el entorno se publican bajo la Apache License 2.0.

Las puntuaciones publicadas por OpenAI

Según la prensa, los principales resultados que publicó OpenAI son los siguientes. Las cifras indican el porcentaje de pruebas superadas.

GPT-6 Astra: 87,4% de media en los 20 lenguajes, y más del 83% en 19 de los 20
GPT-6 Luna: 40,3% de media, con un coste de unos 0,77 dólares por ejecución
GPT-5.6 Sol: 26,8% de media, con un coste de 3,48 dólares por ejecución

Por lenguajes, las puntuaciones de GPT-6 Astra habrían mejorado así frente a GPT-5.6 Sol.

COBOL: del 10,9% al 72,1%
Fortran: del 21,4% al 83,5%
OCaml: del 25,6% al 85,8%
Visual Basic: del 27,5% al 89,4%

Incluso con GPT-6 Astra, COBOL fue el lenguaje con la puntuación más baja de los 20.

Una evaluación para trasladar programas COBOL a otros lenguajes

OpenAI también mostró los resultados de una segunda evaluación, la "evaluación de migración de COBOL". En ella, los modelos reescriben programas escritos en COBOL en C++, Java, Kotlin, Python o Rust, y se comprueba si la salida es idéntica byte a byte a la del programa original. Mide si se puede conservar el mismo comportamiento durante la migración, el trabajo de trasladar sistemas antiguos a lenguajes más nuevos.

Según la prensa, los resultados son los siguientes.

GPT-6.1 Sol (configuración con poco razonamiento): 86,6%
GPT-6.1 Sol (configuración con mucho razonamiento): 97,9%
GPT-5.6 Sol (configuración con poco razonamiento): 5,4%

Hasta donde pudo comprobar la redacción de CoAI, no se sabe cuántos programas se usaron en esta evaluación, cuál era su contenido ni si se publicará el sistema de evaluación.

Dónde está disponible y advertencias

Según la prensa, las mejoras se aplican tanto a ChatGPT como a los modelos más recientes disponibles a través de la API. No se trata del lanzamiento de un nuevo producto, sino de un anuncio de que los modelos existentes han ganado capacidad. Hasta donde pudimos comprobar, no hay indicaciones específicas sobre su aplicación en Codex ni información en japonés.

OpenAI advierte que, en las migraciones de sistemas reales, siguen siendo necesarias la revisión por parte de expertos y pruebas adaptadas a las reglas de negocio de cada sistema y a sus conexiones con otros sistemas.

Su relación con los sistemas antiguos de Japón

En Japón, el manejo de los viejos sistemas troncales (los que sostienen las operaciones centrales de una empresa) también es un problema desde hace años. En su Informe DX de 2018, el Ministerio de Economía, Comercio e Industria (METI) advirtió del "precipicio de 2025", el problema de que los sistemas antiguos frenen la DX (la transformación mediante la tecnología digital). En el informe de síntesis de su Comité de Modernización de Sistemas Heredados, elaborado en mayo de 2025, el METI señala que el 61% de las empresas que respondieron a su encuesta todavía tienen sistemas antiguos (sistemas heredados) y que el número de profesionales de TI no deja de disminuir a medida que se marchan los ingenieros con experiencia.

Muchos de los sistemas antiguos que funcionan en mainframes (grandes ordenadores para uso empresarial) están escritos en COBOL. Si la IA llega a leer y escribir correctamente estos lenguajes, podría ayudar a entender programas antiguos cuyas especificaciones ya no existen y a trasladarlos a lenguajes más nuevos.

El punto de vista de CoAI

Hasta ahora, las evaluaciones de programación con IA se han centrado en lenguajes muy usados como Python y JavaScript. Este anuncio de OpenAI tiene valor porque pone el foco en COBOL y Fortran, que siguen funcionando en bancos, administraciones públicas y otros ámbitos, y porque además publica el sistema de evaluación. Al poner las pruebas a disposición de cualquiera, resulta más fácil comparar en las mismas condiciones los modelos de otras empresas.

Por otro lado, las cifras fueron medidas por la propia OpenAI, y no hemos podido verificar el contenido de la evaluación de migración de COBOL. En los sistemas que manejan dinero o datos personales, incluso pequeñas diferencias de comportamiento pueden causar problemas graves. Aunque se use la IA para la migración, conviene partir, como dice la propia OpenAI, de la revisión por expertos y de pruebas suficientes.