OpenAI-ის ახალი მოდელები მოძველებულ პროგრამირების ენებს უკეთ უმკლავდება
OpenAI-მ თავისი უახლესი ხელოვნური ინტელექტის მოდელების განახლების შესახებ განაცხადა, რომელიც ფოკუსირებულია ე.წ. „დაბალი რესურსის“ მქონე პროგრამირების ენებზე. საუბარია ისეთ კლასიკურ ენებზე, როგორიცაა COBOL, Fortran და Visual Basic. მიუხედავად იმისა, რომ თანამედროვე ტექნოლოგიურ სამყაროში ისინი Python-თან შედარებით ნაკლებად პოპულარულია, მათი მნიშვნელობა გლობალური ინფრასტრუქტურისთვის კვლავ კრიტიკულია. სტატისტიკის მიხედვით, მაგალითად, COBOL-ზეა დამოკიდებული საბანკო სისტემების 40 პროცენტი და ბანკომატების ტრანზაქციების 95 პროცენტი. ## ტესტირება და ახალი შესაძლებლობები პროგრესის შესაფასებლად OpenAI-მ ორი სპეციალური შეფასების მეთოდი შექმნა. ერთ-ერთი მათგანი, MultiLangBench, მოდელებს ავალებს SQLite-თან თავსებადი მონაცემთა ბაზის ძრავის შექმნას. შედეგები შთამბეჭდავია: GPT-6 Astra-მ 20 სხვადასხვა ენაზე საშუალოდ 87,4-პროცენტიანი წარმატების მაჩვენებელი დააფიქსირა, რაც მნიშვნელოვანი ნახტომია წინა თაობის, GPT-5.6 Terra-ს 38-პროცენტიან შედეგთან შედარებით. პარალელურად, კომპანიამ წარადგინა უფრო ხელმისაწვდომი ვერსია, GPT-6 Luna, რომელმაც 40,3-პროცენტიანი შედეგით ოდნავ აჯობა წინამორბედს, თუმცა ბევრად უფრო დაბალი დანახარჯებით. ## კრიტიკული ინფრასტრუქტურის განახლება განსაკუთრებით საყურადღებოა COBOL-ის მიგრაციის ტესტი, სადაც მოდელებს კოდის C++, Java, Kotlin, Python ან Rust ენებზე გადატანა მოეთხოვებოდათ. GPT-6.1 Sol-მა დაბალი ინტენსივობის მსჯელობის რეჟიმში 86,6-პროცენტიანი სიზუსტე აჩვენა, მაშინ როცა GPT-5.6 Sol მხოლოდ 5,4 პროცენტს აღწევდა. მსჯელობის რესურსის გაზრდით კი ახალი მოდელის ეფექტიანობა 97,9 პროცენტამდე იზრდება. ეს განახლება სასიცოცხლოდ მნიშვნელოვანია იმ ორგანიზაციებისთვის, რომლებიც ძველ სისტემებს თანამედროვე პლატფორმებზე გადასატანად იყენებენ. მოძველებული კოდის ავტომატიზებული გადაწერა არა მხოლოდ დროს ზოგავს, არამედ ამცირებს ადამიანური შეცდომების ალბათობას, რაც ფინანსური და სამთავრობო სექტორისთვის უდიდესი გამოწვევაა. ქართული ბაზრისთვის ეს სიახლე მნიშვნელოვანია იმ კუთხით, რომ ადგილობრივი IT კომპანიები, რომლებიც მსხვილ კორპორატიულ სექტორს ემსახურებიან, შეძლებენ უფრო ეფექტიანად მართონ ტექნოლოგიური მემკვიდრეობა. ხელოვნური ინტელექტის უნარი, გაიგოს და გარდაქმნას ათწლეულების წინანდელი კოდი, ტექნოლოგიური ვალის დაფარვის პროცესს მნიშვნელოვნად დააჩქარებს.