※本記事は一次情報をもとにAI支援によって構成・作成し、事実関係の照合を行っています。
発表内容（事実）
OpenAIは2026年10月19日、COBOL、Fortran、OCaml、Visual Basicといった低リソースプログラミング言語における、ソフトウェアの構築および移行能力を大幅に強化した最新モデルを発表しました。これらの言語は、PythonやJavaScriptなどの言語に比べてモデルの学習に利用できるコードやドキュメントが少ない一方で、世界中の重要なインフラや必須サービスを支えています。COBOLはオンラインバンキングシステムの40%以上、対面式クレジットカード取引の80%、ATM取引の95%を支えており、Fortranは気象予測や原子炉の安全性解析で使用されています。
開発者やエンタープライズ顧客からのフィードバックに基づき、同社は進捗を測定するための2つの評価基準「MultiLangBench」と「COBOLマイグレーション評価」を開発しました。
この記事のポイント
- COBOLやFortranなどの低リソースプログラミング言語におけるコーディングモデルの性能が大幅に向上
- 20種類のプログラミング言語でSQLite互換のデータベースエンジン構築をテストする「MultiLangBench」を開発
- 既存プログラムの動作を維持しながら他言語への移行をテストする「COBOLマイグレーション評価」を導入
- GPT-6 AstraはMultiLangBenchで平均テスト合格率87.4%を記録（GPT-5.6 Solの26.8%から向上）
- GPT-6.1 SolはCOBOLマイグレーション評価において低推論負荷で86.6%の精度、高推論負荷で97.9%の精度を達成
何が変わるのか
従来、コーディングモデルはコードやドキュメントの少ない低リソース言語の処理に苦戦していました。最新モデルでは、MultiLangBenchにおいてGPT-6 Astraが20言語で平均87.4%のテスト合格率を達成し、GPT-5.6 Solの26.8%から大きく向上しました。言語別の合格率は、COBOLが10.9%から72.1%、OCamlが25.6%から85.8%、Fortranが21.4%から83.5%、Visual Basicが27.5%から89.4%へとそれぞれ改善しています。
また、より低コストな選択肢として提供されるGPT-6 Lunaは、平均テスト合格率40.3%を記録しつつ、推定平均APIコストをサンプルあたり0.77ドル（GPT-5.6 Solの3.48ドルから約78%減）に抑えています。
COBOLのマイグレーション評価では、GPT-6.1 Solが低推論負荷で86.6%の精度を記録し、コストも39%削減されました。さらに高推論負荷では97.9%の精度に達しています。
graph TD
A["GPT-5.6 Sol
MultiLangBench"] -->|26.8%| B["GPT-6 Astra
MultiLangBench"]
B -->|87.4%| C["低リソース言語への対応"]
C --> D["COBOL: 72.1%"]
C --> E["Fortran: 83.5%"]
C --> F["OCaml: 85.8%"]
C --> G["Visual Basic: 89.4%"]
考えられる実例
公式に示された利用例として、銀行のオンラインシステムやATM、気象予測、原子炉安全性解析などで利用されているレガシーシステムのバグ修正や、他言語への移行（マイグレーション）があげられます。
筆者が考える活用例としては、オリジナル開発者が退職しドキュメントが不完全となっている社内基幹システムのCOBOLコードを、安全にモダンな言語へリプレースするプロジェクトへの応用などが想定されます。
考察（筆者の見解）
事実として、OpenAIの最新モデル群はMultiLangBenchおよびCOBOLマイグレーション評価の両方において、従来モデルを大きく上回る精度とコスト効率を実証しました。MultiLangBenchの評価設定とテストスイートがGitHubで公開されていることも確認できます。
推測として、こうした低リソース言語への対応力強化は、金融機関や公共インフラを抱えるエンタープライズ企業におけるAI導入のハードルを大きく下げる可能性が高いと考えられます。特に、ブラックボックス化しがちなレガシー資産の解析や移行作業において、モデルのコスト効率と高精度な推論が実用的な選択肢になると見られます。
筆者は、今回のアップデートが単なるプログラミング支援の枠を超え、世界中の社会インフラの近代化（モダナイゼーション）を加速させる重要な転換点になると評価します。
コメント