Um Problema Antigo na Mira da IA
A OpenAI divulgou nesta semana resultados de pesquisa mostrando que seus modelos mais recentes escrevem e migram código em linguagens antigas de programação com muito mais precisão do que as versões anteriores. O foco está em COBOL, Fortran, Visual Basic e OCaml, linguagens que aparecem em sistemas críticos, mas que têm bem menos código e documentação disponíveis para treinar modelos do que Python ou JavaScript.
O material foi publicado em relatório da própria empresa, e as informações aqui vêm da cobertura do BleepingComputer e do Thurrott, que reproduziram os números divulgados. Isso importa: todos os resultados abaixo são medições feitas pela OpenAI, com testes desenhados por ela, e não passaram por verificação independente.
Por Que o COBOL Ainda Importa
Segundo a OpenAI, como relatado pelo BleepingComputer, o COBOL sustenta mais de 40% dos sistemas de bancos online, 80% das transações de cartão de crédito presenciais e 95% das transações em caixas eletrônicos. O Fortran, de acordo com a mesma cobertura, continua em uso em previsão do tempo e em análises de segurança de reatores nucleares.
Para empresas e governos que dependem desses sistemas, o desafio é conhecido: o código funciona, mas poucos profissionais o dominam, e reescrevê-lo em linguagens atuais é caro e arriscado. Qualquer mudança de comportamento no meio do caminho pode ter consequências financeiras ou operacionais. É nesse ponto que a OpenAI diz ter encontrado espaço para melhorar seus modelos.
O Que Foi Medido
A empresa criou dois testes. O primeiro, o MultiLangBench, pede que o modelo construa do zero um mecanismo de banco de dados compatível com SQLite em 20 linguagens de programação. O resultado é a taxa de aprovação nos testes automatizados.
O GPT-6 Astra teve média de 87,4% nas 20 linguagens, contra 26,8% do GPT-5.6 Sol. Em linguagens específicas, os saltos foram os seguintes:
| Linguagem | GPT-5.6 Sol | GPT-6 Astra |
|---|---|---|
| COBOL | 10,9% | 72,1% |
| Fortran | 21,4% | 83,5% |
| OCaml | 25,6% | 85,8% |
| Visual Basic | 27,5% | 89,4% |
O segundo teste avalia migração. Os modelos recebem programas em COBOL e precisam convertê-los para C++, Java, Kotlin, Python ou Rust sem alterar o comportamento. Nesse cenário, o GPT-6.1 Sol atingiu 86,6% de precisão com esforço de raciocínio baixo, contra 5,4% do GPT-5.6 Sol na mesma configuração, a 61% do custo de API. Com esforço de raciocínio mais alto, a precisão chega a 97,9%, o que, segundo a OpenAI, deixa a avaliação perto da saturação.
Divergências Entre as Fontes
Há inconsistências na cobertura que vale registrar. O BleepingComputer atribui os resultados de migração ao GPT-6.1 Sol e fala em 86,6% no esforço baixo. O Thurrott fala em 86,8% e atribui o resultado ao GPT-6 Astra. Como o número de 97,9% é o mesmo nas duas fontes, ele é o dado mais seguro do conjunto, mas o leitor deve tratar as demais cifras de migração com cuidado até que a OpenAI publique todos os detalhes de forma consolidada.
Disponibilidade
De acordo com o Thurrott, desenvolvedores podem acessar o GPT-6 Astra pela API da OpenAI para tarefas de programação em COBOL, Fortran, OCaml e Visual Basic. A empresa descreveu o anúncio como uma melhoria de capacidade, e não como um produto novo. Nenhuma das duas fontes informa preços, calendário de liberação ampla ou disponibilidade fora da API.
A OpenAI afirma ainda que o objetivo é ajudar os modelos a aplicar habilidades de engenharia de software em mais linguagens, o que inclui entender repositórios desconhecidos, planejar mudanças, usar ferramentas de build, rodar testes e depurar falhas.
O Que Esperar
Os números impressionam, mas ficam restritos a benchmarks. Um teste que mede se o programa convertido se comporta como o original é um bom indicador, porém não substitui a realidade de sistemas bancários com décadas de acúmulo de regras de negócio, integrações e exceções. A própria cobertura do BleepingComputer observa que migrações em produção continuariam exigindo revisão e testes feitos por especialistas.
Para quem mantém sistemas antigos, inclusive no Brasil, o anúncio sinaliza uma direção: a IA deve servir primeiro como ferramenta de apoio a equipes técnicas, acelerando a leitura e a conversão de código, e não como substituta de quem conhece o sistema. Se as medições da OpenAI se confirmarem em testes de terceiros, a conta de custo e prazo de projetos de modernização pode mudar. Até lá, trata-se de uma promessa com bons números, mas ainda sem validação externa.
Resumo
- Anunciante: OpenAI, em relatório de pesquisa sobre linguagens com poucos dados de treino
- MultiLangBench: GPT-6 Astra com 87,4% de média, contra 26,8% do GPT-5.6 Sol
- Migração de COBOL: até 97,9% de precisão com esforço de raciocínio alto
- Acesso: GPT-6 Astra via API da OpenAI
- Ressalva: resultados medidos pela própria empresa