Los modelos de IA logran avances en el soporte de lenguajes de programación de bajo recurso

Los investigadores han revelado importantes avances en los modelos de IA capaces de trabajar con lenguajes de programación de bajo recurso, como COBOL, Fortran y Visual Basic. Estos lenguajes, que soportan infraestructuras críticas como los sistemas bancarios y la previsión meteorológica, a menudo carecen de una documentación y código extensos para que la IA aprenda. Los nuevos modelos demuestran una mayor precisión y eficiencia en tareas como la creación de software y la migración de código, preservando la funcionalidad. Dos evaluaciones, MultiLangBench y una prueba de migración de COBOL, se utilizaron para medir el progreso. GPT-6 Astra logró una tasa de aprobación del 87,4% en MultiLangBench, en comparación con el 26,8% de GPT-5.6 Sol. GPT-6 Luna también mostró mejoras, alcanzando una precisión del 40,3% a un menor costo. En la prueba de migración de COBOL, GPT-6.1 Sol logró una precisión del 86,6% a bajo costo, con mayor precisión a mayor esfuerzo de razonamiento. Los resultados destacan la creciente capacidad de la IA para apoyar una amplia gama de lenguajes de programación, ofreciendo a los desarrolladores herramientas para mantener y modernizar los sistemas de software esenciales.