Bài viết này do AI tạo ra, dựa trên công bố nghiên cứu của OpenAI ngày 19/10/2026.
OpenAI công bố kết quả mới về coding model cho các ngôn ngữ có ít dữ liệu huấn luyện như COBOL, Fortran và Visual Basic. Công ty giới thiệu MultiLangBench, benchmark yêu cầu xây database engine tương thích SQLite trên 20 ngôn ngữ, cùng bài đánh giá migration COBOL có kiểm tra giữ nguyên hành vi. Kết quả là tự báo cáo của OpenAI; doanh nghiệp vẫn cần đánh giá trên codebase, test và quy trình kiểm soát của chính mình.
COBOL, Fortran và Visual Basic có ít mã nguồn, tài liệu và ví dụ công khai hơn Python hoặc JavaScript, nhưng vẫn nằm trong hệ thống thiết yếu. OpenAI dẫn số liệu COBOL hỗ trợ hơn 40% hệ thống ngân hàng trực tuyến, 80% giao dịch thẻ trực tiếp và 95% giao dịch ATM. Những tỷ lệ này là số liệu nguồn OpenAI trích dẫn; điều quan trọng với đội vận hành là code legacy thường chứa quy tắc nghiệp vụ không còn được ghi đủ trong tài liệu.
Migration vì thế không chỉ là dịch cú pháp. Sai khác về fixed-point, làm tròn, record thiếu hoặc thứ tự xử lý có thể tạo kết quả tài chính sai mà không làm chương trình crash.
Benchmark yêu cầu model xây một database engine tương thích SQLite từ đầu bằng một ngôn ngữ được chỉ định. Candidate nhận database ban đầu và SQL query, sau đó xuất database đã sửa; SQLite reference được dùng để kiểm tra nội dung. Thiết kế này cho phép so sánh nhiều ngôn ngữ qua một interface chung, đồng thời buộc model quản lý state, lỗi, codebase và feature mới trong phiên coding dài.
Theo OpenAI, GPT-6 Astra đạt trên 83% ở 19/20 ngôn ngữ; COBOL vẫn khó nhất ở 72%. Các mức tăng riêng được nêu gồm COBOL 10,9% lên 72,1%, OCaml 25,6% lên 85,8%, Fortran 21,4% lên 83,5% và Visual Basic 27,5% lên 89,4%.
Bài migration yêu cầu chuyển COBOL sang C++, Java, Kotlin, Python hoặc Rust. Một migration chỉ được tính thành công nếu qua toàn bộ hidden test và output quan sát được khớp byte-for-byte. Đây là tiêu chí khắt khe hơn code “chạy được”, phù hợp với nơi quy tắc làm tròn hay xử lý record là yêu cầu nghiệp vụ.
OpenAI báo cáo GPT-6.1 Sol đạt 86,6% ở low reasoning effort, với chi phí bằng 61% GPT-5.6 Sol trong phép so sánh của hãng. Ở mức reasoning cao, kết quả đạt 97,9%. Các con số benchmark không phải bảo đảm cho hệ thống production; chúng không bao phủ toàn bộ dependency, môi trường build, dữ liệu thật hoặc yêu cầu compliance.
Kết quả này cho thấy frontier model có thể trở thành công cụ hữu ích cho modernize phần mềm legacy, nơi thiếu nhân lực biết ngôn ngữ cũ. Nhưng benchmark tốt không thay thế trách nhiệm xác nhận nghiệp vụ. Lợi ích lớn nhất trước mắt là tăng tốc đọc code, tạo test, phân tích dependency và đề xuất bản migration để người có chuyên môn duyệt. Rủi ro lớn nhất là chấp nhận bản dịch nhìn hợp lý nhưng thay đổi hành vi hiếm gặp. Quy trình đúng phải lấy test parity, audit trail và human approval làm điều kiện trước khi deploy.
OpenAI, “Advancing coding in low-resource programming languages”, 19/10/2026.
