GPT-6 Sol revoluciona códigos legados e moderniza bancos hoje

Tecnologia

OpenAI apresenta avanços do GPT-6 Sol na modernização de sistemas legados usados por bancos e governos.

Leia também: Falha em certificados da eMudhra expõe milhões a ataques digitais

A OpenAI anunciou hoje um salto no desempenho do GPT-6 em linguagens de programação legadas como COBOL, Fortran e Visual Basic, mirando diretamente sistemas que sustentam parte relevante da infraestrutura bancária global e outros serviços críticos.

Segundo a IBM, COBOL ainda movimenta mais de 40% dos sistemas bancários online e 95% das transações em caixas eletrônicos, mas sofre com a escassez de profissionais e de dados para treinar modelos de IA. Ao focar nessas linguagens de “baixo recurso”, a OpenAI tenta transformar o GPT-6 em ferramenta prática para manutenção e modernização de sistemas antigos que não podem parar.

O que o GPT-6 traz de novidade no suporte a linguagens legadas como COBOL e Fortran?

O GPT-6 passa a lidar com linguagens legadas com um nível de precisão e robustez que modelos anteriores não conseguiam entregar, tanto na geração de código novo quanto na tradução para linguagens modernas.

Para medir esse avanço, a OpenAI criou duas avaliações próprias. A primeira, chamada MultiLangBench, exige que o modelo construa um motor de banco de dados compatível com SQLite do zero, em 20 linguagens diferentes — incluindo COBOL, Fortran e Visual Basic, que quase não aparecem em repositórios públicos de código.

Nesse teste, o GPT-6 Astra, com esforço máximo de raciocínio, atinge taxa média de aprovação de 87,4% nos 20 idiomas, contra cerca de 38% do GPT-5.6 Terra na mesma tarefa. A frase usada pela empresa resume o salto: “GPT-6 Astra hits an average test pass rate of 87.4 percent across 20 languages, up from about 38 percent for GPT-5.6 Terra”.

Além da cobertura mais ampla de linguagens, o modelo passa a respeitar melhor particularidades sintáticas e semânticas desses ambientes antigos, o que é crucial para não quebrar sistemas que processam transações financeiras, folha de pagamento de governos e rotinas industriais.

Como o GPT-6 melhora a programação em linguagens antigas comparado ao GPT-5.6?

O GPT-6 melhora a programação em linguagens antigas principalmente ao aumentar a precisão em testes complexos e ao reduzir a quantidade de “tentativa e erro” necessária para chegar a um código funcional.

No MultiLangBench, o GPT-6 Astra salta de 38% para 87,4% de aprovação média em 20 linguagens na comparação direta com o GPT-5.6 Terra, mostrando que o modelo consegue gerar implementações completas de um banco de dados compatível com SQLite em cenários muito mais variados.

Já o GPT-6 Luna, voltado a custo computacional mais baixo, marca 40,3% nesse mesmo conjunto, ligeiramente acima dos 37,9% do GPT-5.6 Terra, mas gastando menos recursos de processamento — o que interessa a empresas que pretendem usar IA em larga escala para tarefas de rotina.

Na prática, isso significa menos tempo corrigindo erros sintáticos de COBOL ou Fortran, menos falhas em chamadas de banco de dados antigas e maior chance de o código gerado rodar de primeira em ambientes legados, onde qualquer parada custa caro.

Entenda o contexto

Linguagens como COBOL, Fortran e Visual Basic foram a base de sistemas corporativos e governamentais ao longo de décadas. Muitos desses sistemas continuam em operação, pois funcionam bem e envolvem regras de negócio complexas, difíceis de reescrever do zero.

Ao mesmo tempo, o número de desenvolvedores experientes nessas linguagens cai ano após ano. Como há poucos códigos disponíveis em repositórios públicos, modelos de IA tradicionais aprendem muito menos com elas do que com linguagens modernas, como Python ou JavaScript.

Essa combinação — dependência alta e pouca mão de obra — transforma linguagens legadas em ponto crítico de risco para bancos, governos e grandes indústrias. O movimento da OpenAI mira exatamente essa dor: usar IA para preencher o vácuo de especialistas e acelerar projetos de modernização que se arrastam há anos.

GPT-6 Sol vira motor de migração de COBOL

O segundo teste criado pela OpenAI avalia a capacidade de migrar código COBOL para linguagens recentes como C++, Java, Kotlin, Python e Rust, sem perder funcionalidades nem introduzir erros sutis.

Nesse benchmark de migração, o GPT-6.1 Sol apresenta o salto mais dramático em relação à geração anterior. Com baixo esforço de raciocínio, a precisão chega a 86,6%, ante apenas 5,4% do GPT-5.6 Sol na mesma tarefa. Nas palavras divulgadas pela empresa, “GPT-6.1 Sol reaches 86.6 percent accuracy at low reasoning effort, compared to 5.4 percent for GPT-5.6 Sol”.

Quando a OpenAI aumenta o esforço de raciocínio — permitindo ao modelo fazer mais passos internos antes de responder — a precisão sobe ainda mais: “Cranking up reasoning effort pushes accuracy to 97.9 percent”. Esse patamar aproxima a IA de um desempenho comparável ou superior ao de times humanos em tarefas repetitivas de tradução de código.

Isso torna o GPT-6.1 Sol, e variantes como o GPT-6.0 Sol, candidatos naturais a motor de migração de COBOL em grandes projetos de atualização de sistemas bancários, previdenciários e fiscais.

Quais são as principais diferenças entre GPT-6 Sol e GPT-6 Astra no contexto de programação?

O GPT-6 Astra se destaca em abrangência e consistência em múltiplas linguagens, enquanto o GPT-6.1 Sol brilha especificamente na migração de COBOL para plataformas modernas, com índices de precisão muito acima da geração anterior.

No MultiLangBench, o Astra é o “canivete suíço” multilinguagens, com 87,4% de aprovação média nas 20 linguagens testadas. Já o GPT-6.1 Sol aparece como especialista em tradução de COBOL, ficando perto dos 98% de acerto quando configurado para raciocinar por mais tempo antes de gerar o código final.

Em termos práticos, empresas tendem a usar o Astra para criação e manutenção de bases de código em ecossistemas variados, e o Sol para projetos dedicados de migração de sistemas legados, especialmente quando o foco é converter grandes massas de programas COBOL em C++, Java, Kotlin, Python ou Rust.

Impacto em bancos, governos e fornecedores de TI

O avanço do GPT-6 em linguagens legadas tem efeito direto em setores onde a margem de erro é mínima. Em bancos, onde “COBOL powers more than 40 percent of online banking systems and 95 percent of all ATM transactions”, nas palavras da IBM, a capacidade de automatizar parte da manutenção e da migração reduz o risco de falhas e pode encurtar projetos que hoje levam anos.

Para órgãos governamentais e indústrias pesadas, o ganho está em conseguir modernizar sistemas cruciais, como cobrança de impostos, previdência, controle de estoques e logística, sem depender exclusivamente de equipes raras e caras de especialistas em COBOL e Fortran.

Ao mesmo tempo, fornecedores tradicionais de TI focados em manutenção manual de sistemas legados tendem a sofrer pressão para incorporar essas ferramentas de IA aos seus serviços. Quem não se adaptar corre o risco de perder contratos para concorrentes que consigam entregar migrações mais rápidas, baratas e auditáveis com apoio de modelos como GPT-6 Astra, Luna e Sol.

Para empresas usuárias, o desafio passa a ser menos técnico e mais de governança: definir o que automatizar, como revisar o código gerado e como atender a exigências regulatórias de segurança, rastreabilidade e responsabilidade em setores como o financeiro.

A tendência, a partir de agora, é que bancos, companhias de tecnologia e governos avancem em projetos-piloto que combinem GPT-6 com ferramentas tradicionais de engenharia de software, de olho em uma transição gradual e segura dos grandes sistemas legados que ainda rodam o mundo.

Fonte: matéria original