モデル
COBOL、Fortran：OpenAIがレガシー移行にAIを提案
OpenAIはGPT-6.1 SolでCOBOL移行の成功率が5.4%から86.6%になったと報告。テスト、実際の価格、限界を検証する。
2026年10月19日、OpenAIはいわゆる「低リソース」言語に関する結果を公表した。COBOL、Fortran、Visual Basic、OCamlで、PythonやJavaScriptに比べて公開されているコードがはるかに少ない言語である。見出しの数字は印象的だが、OpenAIが自ら設計した2つのテストによるもので、公開されているのはそのうち1つだけだ(OpenAI)。何が測定され、いくらかかり、信じる前に何を確認すべきかを整理する。
要点
- COBOL移行：OpenAIによると、GPT-6.1 Solは低い推論の負荷で移行の86.6%に成功する(GPT-5.6 Solは5.4%)。より高い負荷では97.9%。
- ソフトウェア構築：MultiLangBenchで、GPT-6 Astraは20言語平均で87.4%のテストに合格する(GPT-5.6 Solは26.8%)。最も難しいのは依然としてCOBOLで、72.1%。
- 公開テスト：MultiLangBenchはApache-2.0ライセンスでGitHubに公開されている。COBOL移行のテストは公開されていない。
- 価格：GPT-6.1 SolのAPI価格は、入力が100万トークンあたり2ドル、出力が100万トークンあたり10ドル(OpenAI)。
COBOLが今も重要な理由
OpenAIは、COBOLがオンラインバンキングシステムの40%超、対面のカード取引の80%、ATM取引の95%を支えていると述べている。これらは第三者の情報源から引いた数字である(OpenAI)。Anthropicも同程度の規模の数字を挙げている。米国のATM取引の95%である(Claude)。
問題はよく知られている。不完全なドキュメント、すでにいない当初の開発者、今ではコードの中にしか存在しない業務ルールだ。主に現代のコードで学習したモデルは、これまでこの分野で弱かった。
このテーマは市場も動かす。2026年2月23日、AnthropicはClaude CodeがCOBOLシステムの調査と分析を自動化できると述べ、IBMの株価はその日13.2%下落した。2000年10月以来最大の下げ幅だった(Reuters)。OpenAIは競争の激しい領域に入っている。
2つのテストの仕組み
MultiLangBenchは、モデルにSQLite 3.40.1互換のデータベースエンジンを、ドキュメントだけを頼りに、インターネット接続なしで書かせる。プログラムは初期データベースとSQLクエリを受け取り、変更後のデータベースを書き出し、本物のSQLiteがその結果を検証する。環境からSQLiteの痕跡をすべて取り除かなければならず、誤った言語で書かれた解答や複数の言語を混ぜた解答は0点になる(MultiLangBenchのREADME)。
テストはSQLiteのTCLスイートに由来する。約51,000件のテストのうち、24,000件が変換できた。コストを抑えるため、READMEは272件だけを実行することを勧めている。スコアは、テストの合格率とそこに至るまでのAPIコストの組になっている。
COBOL移行テストは、モデルにCOBOLプログラムを、動作を保ったままC++、Java、Kotlin、Python、Rustのいずれかに翻訳させる。移行が成功と数えられるのは、隠されたすべてのテストに合格し、出力がバイト単位で一致した場合だけである。OpenAIは示唆に富む例を挙げている。COBOLの固定小数点演算は、丸めが要求されない限り余分な小数桁を切り捨てる。丸めを行う書き直しはエラーなく動くが、金額が異なってしまう(OpenAI)。
言語別の結果
MultiLangBenchでは、最大の推論の負荷において、GPT-6 Astraは20言語すべてで向上した(OpenAIによる)。
- COBOL：10.9%から72.1%へ。
- Fortran：21.4%から83.5%へ。
- OCaml：25.6%から85.8%へ。
- Visual Basic：27.5%から89.4%へ。
Astraは20言語のうち19言語で83%を超える。小型のGPT-6 Lunaは平均40.3%で、GPT-5.6 Solより高く、サンプルあたりの推定APIコストは0.77ドルと、GPT-5.6 Solの3.48ドルに比べて約78%安い(OpenAI)。
COBOL移行では、GPT-6.1 Solは低い負荷で5.4%から86.6%に上がり、APIコストはGPT-5.6 Solの61%で、より高い負荷では97.9%に達する。OpenAI自身が、このテストを「close to saturation」と述べている。
実際の価格
100万トークンあたりの標準APIレート、短いコンテキスト(OpenAI)：
- GPT-6 Astra：入力$10、出力$50;
- GPT-6.1 Sol：入力$2、出力$10、キャッシュ入力$0.10;
- GPT-6 Luna：入力$0.10、出力$0.50。
BatchモードとFlexモードではこれらの価格が半額になり、即時の応答を必要としない大量の移行には現実的な利点となる。長いコンテキストでは、GPT-6.1 Solの入力価格は2倍の$4になる。
サブスクリプションでは、CodexはChatGPT Plus(月額20ドル)にGPT-6.1 Solとともに含まれ、Proプラン(月額100ドル、200ドル、500ドル)にも含まれる。APIキーでの利用はAPIレートで課金される(OpenAI)。
現実的な使い方
- 移行の前にマッピングする：モデルにプログラムとその依存関係を文書化させる。Anthropicも、これを最も費用のかかる工程と説明している(Claude)。
- 1つのコンポーネントずつ移行する：境界が明確なモジュールを選び、翻訳の前に同等性テストを書き、その後で検証する。
- 移行せずに保守する：チームの誰もその言語を知らなくなったとき、FortranやVisual Basicのバグを修正する。
限界
- 自社テスト：OpenAIが両方の評価を設計しており、比較対象は自社の以前のモデルだけである。Anthropic、Google、オープンウェイトのモデルの数字は示されていない。
- 検証できない移行スコア：COBOLのテストは公開されていない。含まれるプログラムの数も、長さも、出所もわからない。未知の集合に対する97.9%というスコアは、主にテストが簡単になりすぎたことを意味する。
- リポジトリにない結果：OpenAIは言語別の結果を公開するとしているが、10月20日時点でGitHubリポジトリにはライセンス、README、スクリプト、テストしかない(GitHub)。モデルをエンドツーエンドで実行するハーネスもない。
- 小さなサンプル：変換できた24,000件のうち、推奨されるテストは272件。
- 翻訳はモダナイゼーションではない：実際のプロジェクトにはデータ、運用、コンプライアンス、業務上の検証も含まれる。OpenAIも、本番利用にはシステムの業務ルールと依存関係に照らした「still requires expert review and testing」が必要だと認めている(OpenAI)。
進歩はOpenAI自身の数字では本物だが、実際の本番コードでの独立したテストがなお必要である。
開発者にとっての意味
第一に、コストの低下はスコアと同じくらい重要である。100万トークンあたり2ドルと10ドルで、半額のBatchモードがあるモデルなら、プログラムのポートフォリオ全体を繰り返し試行にかけることが現実的になる。成功率が5.4%の以前のモデルでは、これはほとんど意味をなさなかった(OpenAI自身の数字による)。
第二に、価値はテストに移る。移行の成功は動作の同等性で定義される。レガシーシステムに回帰テストのスイートをすでに持つチームが最初に恩恵を受ける。そうでないチームはそれを作る必要があり、そこにエージェントが役立つ。
第三に、自分で測ること。MultiLangBenchは再現可能な方法を提供するが、その周りのエージェントのループは自分で構築しなければならない。実際のCOBOLプロジェクトで意味を持つ唯一の指標は、自社のプログラムのサンプルと、自社の期待出力による測定である。
最後に、AnthropicとOpenAIがこの分野に入った今は、ベンダーのベンチマークだけを根拠に全面移行するのではなく、限定的なパイロットを行う時期である。
