Modelos de IA avançam no suporte a linguagens de programação com poucos recursos

Pesquisadores divulgaram avanços significativos em modelos de IA capazes de trabalhar com linguagens de programação com poucos recursos, como COBOL, Fortran e Visual Basic. Essas linguagens, que suportam infraestruturas críticas como sistemas bancários e previsão do tempo, frequentemente carecem de extensa documentação e código para que a IA possa aprender. Os novos modelos demonstram maior precisão e eficiência de custo em tarefas como a construção de software e a migração de código, preservando a funcionalidade. Dois testes, MultiLangBench e um teste de migração de COBOL, foram usados para medir o progresso. O GPT-6 Astra alcançou uma taxa de aprovação de 87,4% no MultiLangBench, em comparação com 26,8% para o GPT-5.6 Sol. O GPT-6 Luna também apresentou melhorias, atingindo uma precisão de 40,3% a um custo menor. No teste de migração de COBOL, o GPT-6.1 Sol alcançou 86,6% de precisão a baixo custo, com maior precisão em um esforço de raciocínio maior. Os resultados destacam a crescente capacidade da IA de suportar uma ampla gama de linguagens de programação, oferecendo aos desenvolvedores ferramentas para manter e modernizar sistemas de software essenciais.