Modelos
COBOL, Fortran: OpenAI defiende la IA para migrar sistemas heredados
OpenAI declara un 86,6 % de migraciones de COBOL logradas con GPT-6.1 Sol, frente al 5,4 % anterior. Analizamos las pruebas, los precios reales y los límites.
El 19 de octubre de 2026, OpenAI publicó resultados sobre los llamados lenguajes de «pocos recursos»: COBOL, Fortran, Visual Basic y OCaml, lenguajes con mucho menos código público que Python o JavaScript. Las cifras destacadas llaman la atención, pero proceden de dos pruebas diseñadas por la propia OpenAI, y solo una de ellas es pública (OpenAI). Esto es lo que se midió, lo que cuesta y qué comprobar antes de creérselo.
En resumen
- Migración de COBOL: GPT-6.1 Sol logra el 86,6 % de las migraciones con un esfuerzo de razonamiento bajo, frente al 5,4 % de GPT-5.6 Sol, y el 97,9 % con un esfuerzo mayor, según OpenAI.
- Construcción de software: en MultiLangBench, GPT-6 Astra supera de media el 87,4 % de las pruebas en 20 lenguajes, frente al 26,8 % de GPT-5.6 Sol. COBOL sigue siendo el más difícil, con un 72,1 %.
- Prueba pública: MultiLangBench se publica con licencia Apache-2.0 en GitHub. La prueba de migración de COBOL no.
- Precio: GPT-6.1 Sol cuesta 2 $ por millón de tokens de entrada y 10 $ por millón de tokens de salida en la API (OpenAI).
Por qué COBOL sigue importando
OpenAI señala que COBOL gestiona más del 40 % de los sistemas de banca en línea, el 80 % de las transacciones con tarjeta presenciales y el 95 % de las transacciones en cajeros automáticos, cifras que toma de una fuente externa (OpenAI). Anthropic cita el mismo orden de magnitud: el 95 % de las transacciones en cajeros automáticos de EE. UU. (Claude).
El problema es bien conocido: documentación incompleta, desarrolladores originales hace tiempo ausentes, reglas de negocio que ahora solo viven en el código. Los modelos entrenados sobre todo con código moderno han sido históricamente débiles aquí.
El tema mueve los mercados. El 23 de febrero de 2026, Anthropic dijo que Claude Code podía automatizar la exploración y el análisis de sistemas COBOL; las acciones de IBM cayeron un 13,2 % ese día, su mayor descenso desde octubre de 2000 (Reuters). OpenAI entra en un terreno disputado.
Cómo funcionan las dos pruebas
MultiLangBench pide al modelo que escriba un motor de bases de datos compatible con SQLite 3.40.1, solo a partir de la documentación y sin acceso a internet. El programa recibe una base de datos inicial y una consulta SQL, escribe una base de datos modificada, y el SQLite real comprueba el resultado. Hay que eliminar del entorno cualquier rastro de SQLite, y una solución escrita en el lenguaje equivocado, o que mezcle varios, puntúa cero (README de MultiLangBench).
Las pruebas provienen de la suite TCL de SQLite: de unas 51 000 pruebas, se pudieron convertir 24 000. Para contener los costes, el README recomienda ejecutar solo 272 de ellas. La puntuación es un par: tasa de pruebas superadas y coste de API necesario para lograrlo.
La prueba de migración de COBOL pide al modelo que traduzca programas COBOL a C++, Java, Kotlin, Python o Rust conservando su comportamiento. Una migración solo cuenta si se superan todas las pruebas ocultas, con una salida idéntica byte a byte. OpenAI da un ejemplo revelador: la aritmética de coma fija de COBOL descarta los decimales sobrantes salvo que se pida redondear. Una reescritura que redondea se ejecuta sin errores, pero produce importes distintos (OpenAI).
Resultados, lenguaje por lenguaje
En MultiLangBench, con el máximo esfuerzo de razonamiento, GPT-6 Astra mejora en los 20 lenguajes, según OpenAI:
- COBOL: del 10,9 % al 72,1 %;
- Fortran: del 21,4 % al 83,5 %;
- OCaml: del 25,6 % al 85,8 %;
- Visual Basic: del 27,5 % al 89,4 %.
Astra supera el 83 % en 19 de los 20 lenguajes. El pequeño modelo GPT-6 Luna obtiene de media un 40,3 %, mejor que GPT-5.6 Sol, con un coste de API estimado de 0,77 $ por muestra frente a 3,48 $, alrededor de un 78 % menos (OpenAI).
En la migración de COBOL, GPT-6.1 Sol pasa del 5,4 % al 86,6 % con esfuerzo bajo, al 61 % del coste de API de GPT-5.6 Sol, y alcanza el 97,9 % con un esfuerzo mayor. La propia OpenAI describe la prueba como «cercana a la saturación».
Precios reales
Tarifas estándar de la API por millón de tokens, contexto corto (OpenAI):
- GPT-6 Astra: 10 $ de entrada, 50 $ de salida;
- GPT-6.1 Sol: 2 $ de entrada, 10 $ de salida, 0,10 $ de entrada en caché;
- GPT-6 Luna: 0,10 $ de entrada, 0,50 $ de salida.
Los modos Batch y Flex reducen estos precios a la mitad, un argumento real para migraciones masivas que no necesitan respuesta inmediata. El contexto largo duplica el precio de entrada de GPT-6.1 Sol, hasta 4 $.
En cuanto a las suscripciones, Codex está incluido en ChatGPT Plus por 20 $ al mes con GPT-6.1 Sol, y en los planes Pro de 100, 200 o 500 $ al mes; el uso con clave de API se factura a tarifas de API (OpenAI).
Casos de uso realistas
- Mapear antes de migrar: pide al modelo que documente un programa y sus dependencias, lo que Anthropic también describe como el paso más caro (Claude).
- Migrar un componente cada vez: un módulo con límites claros, pruebas de paridad escritas antes de traducir y después validación.
- Mantener sin migrar: corregir un error en Fortran o Visual Basic cuando nadie en el equipo conoce ya el lenguaje.
Los límites
- Pruebas internas: OpenAI diseñó ambas evaluaciones, y la única comparación es con su propio modelo anterior. No se dan cifras de Anthropic, Google ni de modelos de pesos abiertos.
- Puntuación de migración inverificable: la prueba de COBOL no está publicada; no sabemos cuántos programas contiene, cuánto miden ni de dónde proceden. Un 97,9 % sobre un conjunto desconocido dice sobre todo que la prueba se ha vuelto demasiado fácil.
- Resultados ausentes del repositorio: OpenAI dice que publica resultados por lenguaje, pero el 20 de octubre el repositorio de GitHub solo contiene la licencia, el README, los scripts y las pruebas (GitHub). Tampoco hay un arnés para ejecutar un modelo de principio a fin.
- Muestra pequeña: 272 pruebas recomendadas de las 24 000 convertidas.
- Traducir no es modernizar: un proyecto real abarca también datos, operaciones, cumplimiento normativo y validación de negocio. OpenAI reconoce que el uso en producción «sigue requiriendo revisión y pruebas de expertos» frente a las reglas de negocio y las dependencias del sistema (OpenAI).
El avance es real según las cifras de la propia OpenAI, pero aún necesita pruebas independientes sobre código de producción real.
Qué significa para los desarrolladores
En primer lugar, la caída del coste importa tanto como la puntuación. Un modelo a 2 $ y 10 $ por millón de tokens, con un modo Batch a mitad de precio, hace plausible pasar una cartera entera de programas por intentos repetidos, algo que tenía poco sentido con un modelo anterior con un 5,4 % de éxito, según las propias cifras de OpenAI.
En segundo lugar, el valor se desplaza a las pruebas. Una migración lograda se define por la paridad de comportamiento; los equipos que ya tienen suites de regresión sobre sus sistemas heredados se beneficiarán primero. Los demás tendrán que construirlas, y ahí un agente puede ayudar.
En tercer lugar, mídelo tú mismo. MultiLangBench aporta un método reproducible, pero tienes que construir tu propio bucle de agente a su alrededor. Para un proyecto COBOL real, la única medida que cuenta es una muestra de tus propios programas, con tus propias salidas esperadas.
Por último, con Anthropic y ahora OpenAI en este terreno, es el momento de un piloto acotado, no de una migración completa basada en el benchmark de un proveedor.
Fuentes
- OpenAI, «Advancing coding in low-resource programming languages», 19 de octubre de 2026
- OpenAI, repositorio MultiLangBench (Apache-2.0)
- OpenAI, precios de la API
- OpenAI, precios de Codex
- Anthropic, «How AI helps break the cost barrier to COBOL modernization»
- Reuters, 24 de febrero de 2026: caen las acciones de IBM
¿Ha detectado un error en este artículo? Comuníquenoslo · Nuestra política de correcciones
