Nyhet

OpenAI: GPT-6 Astra och GPT-6.1 Sol klarar COBOL och andra ovanliga programspråk mycket bättre

OpenAI skriver i ett inlägg från 19 oktober 2026 att bolagets senaste modeller har blivit markant bättre på att bygga och migrera mjukvara i språk med litet träningsmaterial, som COBOL, Fortran och Visual Basic. Enligt OpenAI nådde GPT-6 Astra 87,4 procent i det nya testet MultiLangBench, mot 26,8 procent för GPT-5.6 Sol. GPT-6.1 Sol uppnådde enligt bolaget 86,6 procent i ett COBOL-migreringstest vid låg resonemangsnivå.

Det viktigaste i korthet

• GPT-6 Astra får i genomsnitt 87,4 % godkända tester i MultiLangBench över 20 programspråk, upp från 26,8 % för GPT-5.6 Sol (maximal resonemangsnivå, enligt OpenAI).

• GPT-6 Luna når 40,3 % i samma test till en uppskattad API-kostnad på 0,77 dollar per prov, mot 3,48 dollar för GPT-5.6 Sol, cirka 78 % lägre.

• GPT-6.1 Sol når 86,6 % i OpenAI:s COBOL-migreringstest vid låg resonemangsnivå, mot 5,4 % för GPT-5.6 Sol, till 39 % lägre kostnad.

• Vid högre resonemangsnivå når GPT-6.1 Sol 97,9 % i COBOL-testet, vilket OpenAI beskriver som nära mättat.

• OpenAI publicerar MultiLangBench med testsvit och resultat per språk på GitHub.

• Modellerna kan enligt OpenAI testas via API:et för kodning i de språk man använder.

Vad har hänt

OpenAI har publicerat ett forskningsinlägg om hur bolagets modeller klarar så kallade low-resource-språk. Det är programspråk där det finns mindre kod och dokumentation för modeller att lära sig av än för Python och JavaScript. Många av språken driver ändå viktig infrastruktur. OpenAI hänvisar till uppgifter om att COBOL stöder mer än 40 % av nätbankssystemen, 80 % av korttransaktionerna på plats och 95 % av uttagen i bankomater. Fortran används bland annat i väderprognoser och säkerhetsanalys inom kärnkraft.

OpenAI säger att arbetet styrs av återkoppling från utvecklare och företagskunder, som upplevt att kodmodeller ofta har svårt med dessa språk. Dokumentationen kan vara ofullständig, de ursprungliga utvecklarna kan ha slutat och viktiga affärsregler kan finnas enbart i koden. Oavsett om man rättar fel eller migrerar till ett annat språk måste systemets beteende bevaras.

För att mäta framstegen har OpenAI tagit fram två tester. Det första, MultiLangBench, ber en modell bygga en SQLite-kompatibel databasmotor från grunden i ett angivet språk. Modellen ska organisera kodbasen, hantera tillstånd och fel samt lägga till funktioner utan att förstöra befintliga. Databasfiler används som gemensamt gränssnitt: programmet får en databas och en SQL-fråga och skapar en ändrad databas, som kontrolleras mot referensimplementationen av SQLite. Testerna är anpassade från SQLites egen testsvit, och både andel godkända tester och API-kostnad redovisas.

Enligt OpenAI ökade GPT-6 Astra i alla 20 språk. COBOL gick från 10,9 till 72,1 %, OCaml från 25,6 till 85,8 %, Fortran från 21,4 till 83,5 % och Visual Basic från 27,5 till 89,4 %. Astra får över 83 % i 19 av 20 språk, och COBOL är fortsatt svårast. Den billigare GPT-6 Luna slår också GPT-5.6 Sol i varje språk, till exempel COBOL 17,1 % (från 10,9), OCaml 34,1 %, Fortran 31,4 % och Visual Basic 41,6 %.

Det andra testet gäller COBOL-migrering till C++, Java, Kotlin, Python eller Rust. Programmen ska bete sig exakt likadant efter migreringen. OpenAI nämner att COBOL:s fixpunktsaritmetik kapar överskjutande decimaler om man inte uttryckligen ber om avrundning. En omskrivning som avrundar kan därför köra utan fel men ge andra finansiella resultat. Dolda tester kräver identiska utdata byte för byte, och en migrering räknas som lyckad först när alla tester går igenom. OpenAI påpekar att produktionsmjukvara fortfarande kräver expertgranskning och tester mot verksamhetens affärsregler och beroenden.

OpenAI säger att målet är att modellerna ska tillämpa programvaruteknik i fler språk: förstå okända kodförråd, planera ändringar, använda byggverktyg, köra tester och felsöka. Bolaget vill ha synpunkter på vilka språk och arbetsflöden som bör prioriteras.

Vad det betyder för dig i Sverige

Källan nämner ingenting specifikt om Sverige. Resultaten är OpenAI:s egna mätningar och säger inget om hur modellerna fungerar hos svenska organisationer.

OpenAI beskriver att företag som underhåller äldre system, till exempel inom bank och finans, kan ha nytta av bättre stöd för COBOL. Källan anger inga svenska kunder eller användningsfall. Utvecklare kan själva granska MultiLangBench på GitHub och se hur modellerna presterar i just de språk de använder. Enligt OpenAI går modellerna att prova via API:et.

Det här vet vi inte än

• Hur modellerna presterar på verkliga, stora produktionssystem. OpenAI betonar själv att migrerad kod behöver expertgranskning.

• Vilka resonemangsnivåer som ligger bakom 97,9 % i COBOL-testet utöver att det gäller ”högre” nivå.

• Priser per token, tillgänglighet i Sverige och eventuella begränsningar för modellerna anges inte i inlägget. Kostnadssiffrorna avser OpenAI:s uppskattade API-kostnad per prov i testerna.

• Hur resultaten ser ut när testerna körs av oberoende parter. Siffrorna kommer från OpenAI.

• Vilka språk och arbetsflöden OpenAI prioriterar härnäst. Bolaget ber om återkoppling men lämnar ingen plan.