Modelli
COBOL, Fortran: OpenAI propone l'IA per la migrazione dei sistemi legacy
OpenAI riporta l'86,6% di migrazioni COBOL riuscite con GPT-6.1 Sol, contro il 5,4%. Esaminiamo i test, i prezzi reali e i limiti.
Il 19 ottobre 2026 OpenAI ha pubblicato risultati sui linguaggi cosiddetti «a basse risorse»: COBOL, Fortran, Visual Basic e OCaml, linguaggi con molto meno codice pubblico di Python o JavaScript. Le cifre di punta sono impressionanti, ma provengono da due test progettati da OpenAI stessa, e solo uno dei due è pubblico (OpenAI). Ecco cosa è stato misurato, quanto costa e cosa verificare prima di crederci.
In breve
- Migrazione COBOL: GPT-6.1 Sol riesce nell'86,6% delle migrazioni con sforzo di ragionamento basso, contro il 5,4% di GPT-5.6 Sol, e nel 97,9% con sforzo più alto, secondo OpenAI.
- Costruire software: su MultiLangBench, GPT-6 Astra supera in media l'87,4% dei test su 20 linguaggi, contro il 26,8% di GPT-5.6 Sol. COBOL resta il più difficile, al 72,1%.
- Test pubblico: MultiLangBench è rilasciato con licenza Apache-2.0 su GitHub. Il test di migrazione COBOL no.
- Prezzo: GPT-6.1 Sol costa 2 $ per milione di token in ingresso e 10 $ per milione di token in uscita nell'API (OpenAI).
Perché COBOL conta ancora
OpenAI osserva che COBOL gestisce oltre il 40% dei sistemi di online banking, l'80% delle transazioni con carta in presenza e il 95% delle transazioni degli sportelli ATM, cifre che trae da una fonte terza (OpenAI). Anthropic cita lo stesso ordine di grandezza: il 95% delle transazioni ATM negli Stati Uniti (Claude).
Il problema è noto: documentazione incompleta, sviluppatori originali ormai lontani, regole di business che ormai vivono solo nel codice. I modelli addestrati soprattutto su codice moderno sono stati storicamente deboli in questo ambito.
Il tema muove i mercati. Il 23 febbraio 2026 Anthropic ha dichiarato che Claude Code poteva automatizzare l'esplorazione e l'analisi dei sistemi COBOL; le azioni IBM sono scese del 13,2% quel giorno, il calo più forte dall'ottobre 2000 (Reuters). OpenAI entra in un terreno conteso.
Come funzionano i due test
MultiLangBench chiede al modello di scrivere un motore di database compatibile con SQLite 3.40.1, a partire dalla sola documentazione e senza accesso a internet. Il programma riceve un database di partenza e una query SQL, scrive un database modificato e il vero SQLite verifica il risultato. Ogni traccia di SQLite deve essere rimossa dall'ambiente, e una soluzione scritta nel linguaggio sbagliato, o che ne mescola diversi, ottiene zero (README di MultiLangBench).
I test provengono dalla suite TCL di SQLite: su circa 51.000 test, 24.000 hanno potuto essere convertiti. Per contenere i costi, il README raccomanda di eseguirne solo 272. Il punteggio è una coppia: tasso di test superati e costo API per ottenerlo.
Il test di migrazione COBOL chiede al modello di tradurre programmi COBOL in C++, Java, Kotlin, Python o Rust preservandone il comportamento. Una migrazione conta solo se tutti i test nascosti passano, con output identico byte per byte. OpenAI fornisce un esempio eloquente: l'aritmetica a virgola fissa di COBOL scarta le cifre decimali in eccesso a meno che non venga richiesto l'arrotondamento. Una riscrittura che arrotonda gira senza errori ma produce importi diversi (OpenAI).
Risultati, linguaggio per linguaggio
Su MultiLangBench, al massimo sforzo di ragionamento, GPT-6 Astra migliora in tutti i 20 linguaggi, secondo OpenAI:
- COBOL: dal 10,9% al 72,1%;
- Fortran: dal 21,4% all'83,5%;
- OCaml: dal 25,6% all'85,8%;
- Visual Basic: dal 27,5% all'89,4%.
Astra supera l'83% in 19 dei 20 linguaggi. Il piccolo modello GPT-6 Luna ottiene in media il 40,3%, meglio di GPT-5.6 Sol, a un costo API stimato di 0,77 $ per campione contro 3,48 $, circa il 78% in meno (OpenAI).
Nella migrazione COBOL, GPT-6.1 Sol passa dal 5,4% all'86,6% con sforzo basso, al 61% del costo API di GPT-5.6 Sol, e raggiunge il 97,9% con sforzo più alto. La stessa OpenAI descrive il test come «prossimo alla saturazione».
Prezzi reali
Tariffe API standard per milione di token, contesto breve (OpenAI):
- GPT-6 Astra: 10 $ in ingresso, 50 $ in uscita;
- GPT-6.1 Sol: 2 $ in ingresso, 10 $ in uscita, 0,10 $ per l'ingresso in cache;
- GPT-6 Luna: 0,10 $ in ingresso, 0,50 $ in uscita.
Le modalità Batch e Flex dimezzano questi prezzi, un argomento concreto per le migrazioni in blocco che non richiedono una risposta immediata. Il contesto lungo raddoppia il prezzo di ingresso di GPT-6.1 Sol, a 4 $.
Sul fronte degli abbonamenti, Codex è incluso in ChatGPT Plus a 20 $ al mese con GPT-6.1 Sol, e nei piani Pro a 100, 200 o 500 $ al mese; l'uso con chiave API è fatturato alle tariffe API (OpenAI).
Casi d'uso realistici
- Mappare prima di migrare: far documentare al modello un programma e le sue dipendenze, il che Anthropic descrive anche come la fase più costosa (Claude).
- Migrare un componente alla volta: un modulo con confini chiari, test di parità scritti prima della traduzione, poi la convalida.
- Mantenere senza migrare: correggere un bug in Fortran o Visual Basic quando nessuno nel team conosce più il linguaggio.
I limiti
- Test interni: OpenAI ha progettato entrambe le valutazioni e l'unico confronto è con il proprio modello precedente. Nessuna cifra per Anthropic, Google o i modelli open weights.
- Punteggio di migrazione non verificabile: il test COBOL non è pubblicato; non sappiamo quanti programmi contenga, quanto siano lunghi né da dove provengano. Un punteggio del 97,9% su un insieme sconosciuto dice soprattutto che il test è diventato troppo facile.
- Risultati assenti dal repository: OpenAI dice di rilasciare i risultati per linguaggio, ma al 20 ottobre il repository GitHub contiene solo licenza, README, script e test (GitHub). Non c'è nemmeno un harness per eseguire un modello da capo a fondo.
- Campione ridotto: 272 test raccomandati su 24.000 convertiti.
- Tradurre non è modernizzare: un progetto reale riguarda anche dati, operazioni, conformità e convalida di business. OpenAI riconosce che l'uso in produzione «richiede ancora revisione e test da parte di esperti» rispetto alle regole di business e alle dipendenze del sistema (OpenAI).
Il progresso è reale secondo i numeri della stessa OpenAI, ma servono ancora test indipendenti su codice di produzione reale.
Cosa significa per gli sviluppatori
Innanzitutto, il calo dei costi conta quanto il punteggio. Un modello a 2 $ e 10 $ per milione di token, con una modalità Batch a metà prezzo, rende plausibile far passare un intero portafoglio di programmi attraverso tentativi ripetuti, cosa che aveva poco senso con un modello precedente al 5,4% di successo, secondo le cifre della stessa OpenAI.
In secondo luogo, il valore si sposta sui test. Una migrazione riuscita si definisce come parità di comportamento; i team che hanno già suite di regressione sui propri sistemi legacy ne trarranno vantaggio per primi. Gli altri dovranno costruirle, ed è qui che un agente può aiutare.
In terzo luogo, misurate voi stessi. MultiLangBench fornisce un metodo riproducibile, ma dovete costruirci attorno il vostro ciclo agentico. Per un vero progetto COBOL, l'unica misura che conta è un campione dei vostri programmi, con i vostri output attesi.
Infine, con Anthropic e ora OpenAI in questo ambito, è il momento di un progetto pilota limitato, non di una migrazione completa sulla base del benchmark di un fornitore.
Fonti
- OpenAI, «Advancing coding in low-resource programming languages», 19 ottobre 2026
- OpenAI, repository MultiLangBench (Apache-2.0)
- OpenAI, prezzi API
- OpenAI, prezzi Codex
- Anthropic, «How AI helps break the cost barrier to COBOL modernization»
- Reuters, 24 febbraio 2026: calo delle azioni IBM
Avete notato un errore in questo articolo? Segnalatelo · La nostra politica sulle correzioni
