OpenAI cải thiện COBOL và Fortran là gì: MultiLangBench và kết quả đánh giá chuyển đổi COBOL

Ảnh chụp trang chính thức của OpenAI — MultiLangBench — OpenAI — MultiLangBench · NguồnNgày chụp: 20 tháng 10, 2026

Ảnh chụp hiển thị trang chính thức vào ngày chụp và có thể khác với thời điểm xuất bản bài viết. Chọn ảnh để phóng to.

Ngày 19/10/2026 (21 giờ cùng ngày theo giờ Nhật Bản), OpenAI đăng bài viết có tiêu đề "Advancing coding in low-resource programming languages" (Thúc đẩy lập trình với các ngôn ngữ lập trình ít tài nguyên). Nội dung cho biết các mô hình AI mới nhất của hãng đã tiến bộ rõ rệt trong việc viết chương trình, cũng như chuyển chương trình sang ngôn ngữ khác, với những ngôn ngữ lập trình lâu đời như COBOL, Fortran và Visual Basic. Cùng lúc đó, OpenAI công bố trên GitHub một khung đánh giá mới có tên MultiLangBench.

Các con số trong bài này là những con số trùng khớp giữa nhiều bản tin về thông báo của OpenAI, cùng với phần mô tả bài đánh giá được công bố trên GitHub. Tất cả điểm số được nêu đều do chính OpenAI đo.

"Ngôn ngữ ít tài nguyên" là gì

Mô hình AI học lập trình bằng cách học một lượng lớn chương trình và tài liệu giải thích, phần lớn có trên internet. Những ngôn ngữ phổ biến như Python và JavaScript có rất nhiều ví dụ để học, nhưng với các ngôn ngữ như COBOL và Fortran, chương trình và tài liệu công khai ít hơn nhiều, nên AI từ lâu vẫn còn yếu ở mảng này. Những ngôn ngữ có ít dữ liệu để huấn luyện như vậy được gọi là "ngôn ngữ ít tài nguyên".

COBOL chủ yếu được dùng cho xử lý nghiệp vụ hành chính, còn Fortran chủ yếu dùng cho tính toán khoa học kỹ thuật. Theo các bản tin, trong bài viết OpenAI cho biết COBOL đang vận hành hơn 40% dịch vụ ngân hàng trực tuyến, 80% giao dịch thanh toán thẻ trực tiếp và 95% giao dịch ATM, đồng thời giải thích rằng Fortran được dùng trong dự báo thời tiết và phân tích an toàn lò phản ứng hạt nhân.

Bài đánh giá mới MultiLangBench

MultiLangBench yêu cầu mô hình AI xây dựng lại từ đầu phần mềm cơ sở dữ liệu SQLite bằng 20 ngôn ngữ. SQLite là một phần mềm cơ sở dữ liệu nhỏ được dùng rộng rãi.

Theo phần mô tả được công bố trên GitHub, cách thức như sau.

Mô hình chỉ được cung cấp tài liệu hướng dẫn của SQLite 3.40.1 và phải viết bằng ngôn ngữ được chỉ định một chương trình hoạt động giống hệt
Mô hình không được kết nối internet, và SQLite được gỡ khỏi môi trường từ trước
Khoảng 24.000 bài kiểm tra được tạo từ bộ kiểm tra của chính SQLite sẽ xác nhận chương trình có cho kết quả giống SQLite thật hay không (thông thường dùng 272 bài trong số đó)
Viết bằng ngôn ngữ khác với chỉ định, hoặc trộn nhiều ngôn ngữ, đều bị tính là không đạt

20 ngôn ngữ gồm C, C#, C++, COBOL, Common Lisp, Fortran, Go, Java, JavaScript, Lean, OCaml, PHP, PowerShell, Python, Ruby, Rust, Scala, Swift, Visual Basic và Zig. Bộ kiểm tra và môi trường được công bố theo giấy phép Apache License 2.0.

Điểm số OpenAI công bố

Theo các bản tin, kết quả chính mà OpenAI công bố như sau. Con số là tỷ lệ bài kiểm tra vượt qua.

GPT-6 Astra: trung bình 87,4% trên 20 ngôn ngữ, vượt 83% ở 19 trong 20 ngôn ngữ
GPT-6 Luna: trung bình 40,3%, chi phí khoảng 0,77 USD mỗi lần chạy
GPT-5.6 Sol: trung bình 26,8%, chi phí 3,48 USD mỗi lần chạy

Xét theo từng ngôn ngữ, điểm của GPT-6 Astra được cho là đã tăng như sau so với GPT-5.6 Sol.

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

Ngay cả với GPT-6 Astra, COBOL vẫn là ngôn ngữ có điểm thấp nhất trong 20 ngôn ngữ.

Bài đánh giá chuyển chương trình COBOL sang ngôn ngữ khác

OpenAI còn đưa ra kết quả của bài đánh giá thứ hai, "đánh giá chuyển đổi COBOL". Bài này yêu cầu mô hình viết lại chương trình COBOL sang một trong các ngôn ngữ C++, Java, Kotlin, Python hoặc Rust, rồi kiểm tra xem đầu ra có giống hệt từng byte so với chương trình gốc hay không. Nó đo xem có giữ được hành vi như trước trong quá trình "chuyển đổi", tức công việc đưa hệ thống cũ sang ngôn ngữ mới hơn, hay không.

Theo các bản tin, kết quả như sau.

GPT-6.1 Sol (thiết lập suy luận ít): 86,6%
GPT-6.1 Sol (thiết lập suy luận nhiều): 97,9%
GPT-5.6 Sol (thiết lập suy luận ít): 5,4%

Trong phạm vi ban biên tập CoAI có thể xác nhận, chưa rõ bài đánh giá này dùng bao nhiêu chương trình, nội dung ra sao, cũng như khung đánh giá có được công bố hay không.

Nơi có thể sử dụng và các lưu ý

Theo các bản tin, các cải tiến đã được áp dụng cho ChatGPT và cả các mô hình mới nhất dùng được qua API. Đây không phải là việc ra mắt sản phẩm mới, mà là thông báo cho thấy năng lực của các mô hình hiện có đã được nâng lên. Trong phạm vi chúng tôi có thể xác nhận, chưa có hướng dẫn cụ thể nào về việc áp dụng trong Codex hay thông tin bằng tiếng Nhật.

OpenAI lưu ý rằng khi chuyển đổi hệ thống thực tế, vẫn cần chuyên gia kiểm tra và cần kiểm thử phù hợp với quy tắc nghiệp vụ của hệ thống đó cũng như các kết nối với hệ thống khác.

Mối liên hệ với các hệ thống cũ tại Nhật Bản

Tại Nhật Bản, việc xử lý các hệ thống lõi cũ (hệ thống hỗ trợ nghiệp vụ trọng tâm của doanh nghiệp) cũng là vấn đề kéo dài nhiều năm. Trong Báo cáo DX năm 2018, Bộ Kinh tế, Thương mại và Công nghiệp Nhật Bản (METI) đã gióng lên hồi chuông cảnh báo về "vực thẳm năm 2025", tức vấn đề các hệ thống cũ trở thành lực cản khiến DX (chuyển đổi bằng công nghệ số) không tiến triển. Trong báo cáo tổng kết của Ủy ban Hiện đại hóa Hệ thống Cũ do METI soạn vào tháng 5/2025, có nêu 61% doanh nghiệp tham gia khảo sát vẫn còn sở hữu hệ thống cũ (legacy system), và nguồn nhân lực IT tiếp tục giảm khi các kỹ sư lành nghề rời đi.

Nhiều hệ thống cũ chạy trên máy tính lớn (mainframe, máy tính nghiệp vụ cỡ lớn) được viết bằng COBOL. Nếu AI có thể đọc và viết chính xác những ngôn ngữ này, nó có thể giúp hiểu các chương trình cũ không còn tài liệu đặc tả, và hỗ trợ chuyển chúng sang ngôn ngữ mới hơn.

Góc nhìn của ban biên tập CoAI

Cho đến nay, việc đánh giá khả năng lập trình của AI chủ yếu tập trung vào các ngôn ngữ phổ biến như Python và JavaScript. Thông báo lần này của OpenAI có ý nghĩa ở chỗ hướng sự chú ý đến COBOL và Fortran, vốn vẫn đang chạy trong ngân hàng, cơ quan hành chính và nhiều lĩnh vực khác, đồng thời công khai cả khung đánh giá. Việc ai cũng có thể dùng bộ kiểm tra giúp dễ so sánh với mô hình của các công ty khác trong cùng điều kiện.

Mặt khác, các con số được công bố đều do chính OpenAI đo, và chúng tôi chưa thể xác nhận nội dung của bài đánh giá chuyển đổi COBOL. Với các hệ thống xử lý tiền bạc hay thông tin cá nhân, một khác biệt nhỏ trong hành vi cũng có thể dẫn tới vấn đề lớn. Ngay cả khi dùng AI cho việc chuyển đổi, như chính OpenAI đã nói, nên lấy việc chuyên gia kiểm tra và kiểm thử đầy đủ làm tiền đề.