Modelos
COBOL, Fortran: a OpenAI defende a IA para migrar sistemas legados
A OpenAI relata 86,6% de migrações de COBOL concluídas com o GPT-6.1 Sol, contra 5,4%. Analisamos os testes, os preços reais e os limites.
Em 19 de outubro de 2026, a OpenAI publicou resultados sobre as chamadas linguagens de "poucos recursos": COBOL, Fortran, Visual Basic e OCaml, linguagens com muito menos código público do que Python ou JavaScript. Os números de destaque impressionam, mas vêm de dois testes projetados pela própria OpenAI, e apenas um deles é público (OpenAI). Veja o que foi medido, quanto custa e o que verificar antes de acreditar.
Em resumo
- Migração de COBOL: o GPT-6.1 Sol acerta 86,6% das migrações com esforço de raciocínio baixo, contra 5,4% do GPT-5.6 Sol, e 97,9% com esforço maior, segundo a OpenAI.
- Construção de software: no MultiLangBench, o GPT-6 Astra passa em 87,4% dos testes em média nas 20 linguagens, contra 26,8% do GPT-5.6 Sol. O COBOL continua sendo a mais difícil, com 72,1%.
- Teste público: o MultiLangBench é publicado sob a licença Apache-2.0 no GitHub. O teste de migração de COBOL não é.
- Preço: o GPT-6.1 Sol custa US$ 2 por milhão de tokens de entrada e US$ 10 por milhão de tokens de saída na API (OpenAI).
Por que o COBOL ainda importa
A OpenAI observa que o COBOL roda mais de 40% dos sistemas de banco on-line, 80% das transações presenciais com cartão e 95% das transações em caixas eletrônicos, números que ela tira de uma fonte externa (OpenAI). A Anthropic cita a mesma ordem de grandeza: 95% das transações em caixas eletrônicos nos EUA (Claude).
O problema é bem conhecido: documentação incompleta, desenvolvedores originais há muito ausentes, regras de negócio que hoje vivem apenas no código. Modelos treinados principalmente com código moderno historicamente têm sido fracos aqui.
O tema mexe com os mercados. Em 23 de fevereiro de 2026, a Anthropic disse que o Claude Code poderia automatizar a exploração e a análise de sistemas COBOL; as ações da IBM caíram 13,2% nesse dia, a maior queda desde outubro de 2000 (Reuters). A OpenAI entra em um terreno disputado.
Como funcionam os dois testes
O MultiLangBench pede ao modelo que escreva um motor de banco de dados compatível com o SQLite 3.40.1, apenas a partir da documentação e sem acesso à internet. O programa recebe um banco de dados inicial e uma consulta SQL, escreve um banco de dados modificado, e o SQLite real verifica o resultado. Todo vestígio do SQLite deve ser removido do ambiente, e uma solução escrita na linguagem errada, ou que misture várias, recebe zero (README do MultiLangBench).
Os testes vêm da suíte TCL do SQLite: de cerca de 51.000 testes, 24.000 puderam ser convertidos. Para conter custos, o README recomenda executar apenas 272 deles. A pontuação é um par: taxa de testes aprovados e custo de API para chegar lá.
O teste de migração de COBOL pede ao modelo que traduza programas COBOL para C++, Java, Kotlin, Python ou Rust preservando seu comportamento. Uma migração só conta se todos os testes ocultos passarem, com saída idêntica byte a byte. A OpenAI dá um exemplo revelador: a aritmética de ponto fixo do COBOL descarta casas decimais extras, a menos que o arredondamento seja solicitado. Uma reescrita que arredonda roda sem erros, mas produz valores diferentes (OpenAI).
Resultados, linguagem por linguagem
No MultiLangBench, com esforço máximo de raciocínio, o GPT-6 Astra melhora nas 20 linguagens, segundo a OpenAI:
- COBOL: de 10,9% para 72,1%;
- Fortran: de 21,4% para 83,5%;
- OCaml: de 25,6% para 85,8%;
- Visual Basic: de 27,5% para 89,4%.
O Astra pontua acima de 83% em 19 das 20 linguagens. O pequeno modelo GPT-6 Luna tem média de 40,3%, melhor que o GPT-5.6 Sol, a um custo de API estimado de US$ 0,77 por amostra contra US$ 3,48, cerca de 78% menos (OpenAI).
Na migração de COBOL, o GPT-6.1 Sol vai de 5,4% para 86,6% com esforço baixo, a 61% do custo de API do GPT-5.6 Sol, e chega a 97,9% com esforço maior. A própria OpenAI descreve o teste como "próximo da saturação".
Preços reais
Tarifas padrão da API por milhão de tokens, contexto curto (OpenAI):
- GPT-6 Astra: US$ 10 de entrada, US$ 50 de saída;
- GPT-6.1 Sol: US$ 2 de entrada, US$ 10 de saída, US$ 0,10 de entrada em cache;
- GPT-6 Luna: US$ 0,10 de entrada, US$ 0,50 de saída.
Os modos Batch e Flex reduzem esses preços pela metade, um argumento real para migrações em massa que não precisam de resposta imediata. O contexto longo dobra o preço de entrada do GPT-6.1 Sol, para US$ 4.
Quanto às assinaturas, o Codex está incluído no ChatGPT Plus por US$ 20 por mês com o GPT-6.1 Sol, e nos planos Pro de 100, 200 ou US$ 500 por mês; o uso com chave de API é cobrado às tarifas da API (OpenAI).
Casos de uso realistas
- Mapear antes de migrar: peça ao modelo que documente um programa e suas dependências, etapa que a Anthropic também descreve como a mais cara (Claude).
- Migrar um componente por vez: um módulo com fronteiras claras, testes de paridade escritos antes da tradução e, depois, validação.
- Manter sem migrar: corrigir um bug em Fortran ou Visual Basic quando ninguém na equipe conhece mais a linguagem.
Os limites
- Testes internos: a OpenAI projetou as duas avaliações, e a única comparação é com o próprio modelo anterior. Não há números da Anthropic, do Google nem de modelos de pesos abertos.
- Pontuação de migração inverificável: o teste de COBOL não é publicado; não sabemos quantos programas ele contém, qual o tamanho deles nem de onde vêm. Um índice de 97,9% em um conjunto desconhecido diz principalmente que o teste ficou fácil demais.
- Resultados ausentes do repositório: a OpenAI diz que está publicando resultados por linguagem, mas em 20 de outubro o repositório do GitHub continha apenas a licença, o README, os scripts e os testes (GitHub). Também não há um harness para executar um modelo de ponta a ponta.
- Amostra pequena: 272 testes recomendados de 24.000 convertidos.
- Traduzir não é modernizar: um projeto real também envolve dados, operações, conformidade e validação de negócio. A OpenAI reconhece que o uso em produção "ainda exige revisão e testes de especialistas" em relação às regras de negócio e às dependências do sistema (OpenAI).
O progresso é real segundo os números da própria OpenAI, mas ainda precisa de testes independentes em código de produção real.
O que isso significa para desenvolvedores
Primeiro, a queda de custo importa tanto quanto a pontuação. Um modelo a US$ 2 e US$ 10 por milhão de tokens, com um modo Batch pela metade do preço, torna plausível passar um portfólio inteiro de programas por tentativas repetidas, o que fazia pouco sentido com um modelo anterior com 5,4% de sucesso, segundo os próprios números da OpenAI.
Segundo, o valor se desloca para os testes. Uma migração bem-sucedida é definida pela paridade de comportamento; as equipes que já têm suítes de regressão em seus sistemas legados serão as primeiras a se beneficiar. As demais terão de construí-las, e é aí que um agente pode ajudar.
Terceiro, meça você mesmo. O MultiLangBench oferece um método reprodutível, mas você precisa montar seu próprio loop de agente em torno dele. Para um projeto COBOL real, a única medida que conta é uma amostra dos seus próprios programas, com as suas próprias saídas esperadas.
Por fim, com a Anthropic e agora a OpenAI nesse terreno, é hora de um piloto limitado, e não de uma migração completa baseada no benchmark de um fornecedor.
Fontes
- OpenAI, "Advancing coding in low-resource programming languages", 19 de outubro de 2026
- OpenAI, repositório MultiLangBench (Apache-2.0)
- OpenAI, preços da API
- OpenAI, preços do Codex
- Anthropic, "How AI helps break the cost barrier to COBOL modernization"
- Reuters, 24 de fevereiro de 2026: ações da IBM caem
Encontrou um erro neste artigo? Avise-nos · Nossa política de correções
