O que é a melhoria da OpenAI em COBOL e Fortran: MultiLangBench e resultados da migração de COBOL

Captura da página oficial de OpenAI — MultiLangBench — OpenAI — MultiLangBench · FonteCapturada em: 20 de outubro de 2026

As capturas mostram as páginas oficiais na data indicada e podem diferir das páginas na publicação. Selecione uma imagem para ampliá-la.

Em 19 de outubro de 2026 (às 21h do mesmo dia, no horário do Japão), a OpenAI publicou um artigo intitulado "Advancing coding in low-resource programming languages" (Avançando a programação em linguagens de poucos recursos). O texto afirma que seus modelos de IA mais recentes ficaram muito melhores em escrever programas, e em convertê-los para outras linguagens, em linguagens de programação antigas como COBOL, Fortran e Visual Basic. Junto com o artigo, a empresa publicou no GitHub um novo sistema de avaliação, a MultiLangBench.

Os números deste artigo são os que coincidem entre várias reportagens sobre o anúncio da OpenAI, além da descrição da avaliação publicada no GitHub. Todas as notas citadas foram medidas pela própria OpenAI.

O que são "linguagens de poucos recursos"

Os modelos de IA aprendem a programar estudando grandes quantidades de programas e explicações, boa parte deles disponível na internet. Linguagens muito usadas, como Python e JavaScript, têm muitos exemplos para aprender, mas linguagens como COBOL e Fortran têm bem menos programas e documentos públicos, e a IA sempre teve dificuldade com elas. Essas linguagens, com pouco material disponível para treinamento, são chamadas de "linguagens de poucos recursos".

O COBOL é usado principalmente no processamento administrativo, e o Fortran principalmente em cálculos científicos e técnicos. Segundo a imprensa, a OpenAI destaca no artigo que o COBOL sustenta mais de 40% do internet banking, 80% dos pagamentos presenciais com cartão e 95% das transações em caixas eletrônicos, e explica que o Fortran é usado em previsão do tempo e na análise de segurança de reatores nucleares.

A nova avaliação MultiLangBench

A MultiLangBench pede aos modelos de IA para criar do zero, em 20 linguagens, o software de banco de dados SQLite. O SQLite é um pequeno banco de dados muito utilizado.

De acordo com a descrição publicada no GitHub, ela funciona assim.

O modelo recebe apenas a documentação do SQLite 3.40.1 e precisa escrever, na linguagem indicada, um programa que funcione da mesma forma
Ele não tem acesso à internet, e o SQLite é removido do ambiente antes do teste
Cerca de 24 mil testes criados a partir dos próprios testes do SQLite verificam se o programa dá os mesmos resultados que o SQLite real (normalmente, 272 deles são usados)
Escrever em uma linguagem diferente da indicada, ou misturar várias linguagens, conta como reprovação

As 20 linguagens são C, C#, C++, COBOL, Common Lisp, Fortran, Go, Java, JavaScript, Lean, OCaml, PHP, PowerShell, Python, Ruby, Rust, Scala, Swift, Visual Basic e Zig. Os testes e o ambiente foram publicados sob a Apache License 2.0.

As notas divulgadas pela OpenAI

Segundo a imprensa, os principais resultados divulgados pela OpenAI são os seguintes. Os números indicam a porcentagem de testes aprovados.

GPT-6 Astra: média de 87,4% nas 20 linguagens, com mais de 83% em 19 delas
GPT-6 Luna: média de 40,3%, com custo de cerca de 0,77 dólar por execução
GPT-5.6 Sol: média de 26,8%, com custo de 3,48 dólares por execução

Por linguagem, as notas do GPT-6 Astra teriam subido da seguinte forma em comparação com o GPT-5.6 Sol.

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

Mesmo no GPT-6 Astra, o COBOL teve a nota mais baixa entre as 20 linguagens.

Uma avaliação da migração de programas COBOL para outras linguagens

A OpenAI também mostrou os resultados de uma segunda avaliação, a "avaliação de migração de COBOL". Nela, os modelos reescrevem programas escritos em COBOL em C++, Java, Kotlin, Python ou Rust, e verifica-se se a saída é idêntica, byte a byte, à do programa original. A avaliação mede se é possível manter o mesmo comportamento durante a migração, o trabalho de levar sistemas antigos para linguagens mais novas.

Segundo a imprensa, os resultados são os seguintes.

GPT-6.1 Sol (configuração com pouco raciocínio): 86,6%
GPT-6.1 Sol (configuração com muito raciocínio): 97,9%
GPT-5.6 Sol (configuração com pouco raciocínio): 5,4%

Até onde a redação do CoAI conseguiu verificar, não se sabe quantos programas foram usados nesta avaliação, qual era o conteúdo deles nem se o sistema de avaliação será publicado.

Onde está disponível e cuidados

Segundo a imprensa, as melhorias se aplicam ao ChatGPT e também aos modelos mais recentes disponíveis pela API. Não se trata do lançamento de um novo produto, e sim de um anúncio de que os modelos existentes ficaram mais capazes. Até onde conseguimos verificar, não há orientações específicas sobre o uso no Codex nem informações em japonês.

A OpenAI alerta que, em migrações de sistemas reais, ainda são necessárias a revisão por especialistas e testes adaptados às regras de negócio de cada sistema e às suas conexões com outros sistemas.

A relação com os sistemas antigos do Japão

No Japão, lidar com antigos sistemas centrais (os que sustentam as operações principais de uma empresa) também é um desafio há muito tempo. Em seu Relatório DX de 2018, o Ministério da Economia, Comércio e Indústria (METI) alertou para o "abismo de 2025", o problema de sistemas antigos travarem a DX (a transformação por meio da tecnologia digital). No relatório de síntese de seu Comitê de Modernização de Sistemas Legados, elaborado em maio de 2025, o METI aponta que 61% das empresas que responderam à pesquisa ainda têm sistemas antigos (sistemas legados) e que o número de profissionais de TI continua caindo à medida que engenheiros experientes saem.

Muitos sistemas antigos que rodam em mainframes (grandes computadores corporativos) são escritos em COBOL. Se a IA conseguir ler e escrever essas linguagens corretamente, poderá ajudar a entender programas antigos cujas especificações se perderam e a migrá-los para linguagens mais novas.

A visão do CoAI

Até agora, as avaliações de programação com IA se concentravam em linguagens muito usadas, como Python e JavaScript. Este anúncio da OpenAI é relevante porque volta a atenção para o COBOL e o Fortran, que ainda rodam em bancos, órgãos públicos e outros setores, e porque também torna público o sistema de avaliação. Com os testes disponíveis para qualquer pessoa, fica mais fácil comparar modelos de outras empresas nas mesmas condições.

Por outro lado, os números foram medidos pela própria OpenAI, e não conseguimos verificar o conteúdo da avaliação de migração de COBOL. Em sistemas que lidam com dinheiro ou dados pessoais, até pequenas diferenças de comportamento podem causar grandes problemas. Mesmo ao usar a IA em uma migração, o ideal é partir do princípio, como diz a própria OpenAI, de que a revisão por especialistas e testes suficientes são indispensáveis.