OpenAI 老旧语言支持是什么？COBOL、Fortran 迁移能力解读与上手流程完整指南

从银行主机到政府后台：OpenAI 为什么盯上 COBOL 和 Fortran

2026 年 10 月 19 日，OpenAI 对外说明其最新模型在低资源编程语言上的能力进展，点名 COBOL、Fortran 和 Visual Basic。这些语言诞生于几十年前，却仍然支撑着银行、政府和企业每天依赖的关键软件。OpenAI 的说法是，这方面的进步意味着理解数十年的业务逻辑，并帮助开发者在不破坏可用部分的前提下推进系统现代化。

这件事之所以被工程师反复讨论，是因为主流 AI 话题几乎从不提 COBOL 或 Fortran。大模型训练语料里，这类老语言的公开代码远少于 Python、JavaScript，属于典型的低资源语言，模型往往表现不稳。OpenAI 明确把这类语言列为能力提升方向，等于承认企业级遗留系统是一个值得专门投入的战场。

更现实的背景是人才断层。熟悉 COBOL 的工程师大量退休，而系统还在跑，改动风险高、文档缺失、测试覆盖薄。OpenAI 表示这些能力是围绕开发者和企业客户实际提出的难题来构建的，并邀请团队反馈下一步该处理哪些语言和工作流，说明这不是一次性发布，而是持续迭代的方向。

• 低资源语言的含义

  指公开语料稀少、模型训练覆盖不足的编程语言。COBOL、Fortran、Visual Basic 都属于这一类，因此专门的能力提升对老系统团队意义更大。

• 为什么是现在

  银行与政府后端的老系统维护成本逐年上升，而懂这些语言的开发者越来越少，用模型辅助理解与迁移成为现实选项。

• 官方口径的边界

  OpenAI 强调的是构建与迁移能力增强，并未承诺一键自动重写整个系统，具体支持范围应以官方页面说明为准。

它到底能做什么：解释旧代码、生成迁移实现、提出重构计划

按照 OpenAI 描述的工作方式，使用者把现有的遗留代码和业务逻辑交给模型，模型负责解释这段代码在做什么、生成面向迁移的替代实现，并给出重构方案。这里的重点不是让模型凭空写新程序，而是让它先理解几十年累积的业务规则，再在保留有效逻辑的前提下提出改造路径。

这套流程走的是 OpenAI 的模型与 API 通道，而不是一个专门的在线 IDE 或游戏式界面。也就是说，它更像一种可嵌入现有开发流程的能力，团队可以把它接进自己的代码审阅、文档生成或迁移流水线里，而不是打开某个网页就能自动完成全部工作。

对开发者来说，最实用的部分是解释环节。老系统里常见的段落式 COBOL 代码、隐式数据定义、层层跳转的 Fortran 逻辑，往往没有对应文档。模型先输出人类可读的说明，再基于这份说明生成新实现，能显著降低交接和评审的沟通成本。

需要提醒的是，模型给出的迁移实现仍然需要人工验证。业务逻辑里的边界条件、精度处理和合规要求，往往只有原团队清楚，模型输出应当被视为高质量的初稿，而不是可以直接上线的成品。

• 代码解释

  把难以阅读的老代码转成自然语言说明，帮助新成员快速理解业务规则，也便于编写缺失的文档。

• 迁移实现生成

  基于理解结果产出面向新语言或新架构的替代代码，作为迁移工作的起点，仍需人工评审与测试。

• 重构计划建议

  模型可以提出分阶段改造思路，帮助团队判断先动哪一块、哪些逻辑应当原样保留。

• 接入方式

  通过模型与 API 通道使用，可嵌入既有工具链，而不是依赖某个独立网页编辑器。

实操流程：从模块盘点到一个可验证的小模块

比较稳妥的起步方式，是先盘点目标 COBOL、Fortran 或 Visual Basic 模块，弄清楚哪些是核心、哪些是外围、哪些已经有测试覆盖。盘点完成后，不要一上来就动核心系统，而是挑一个体量小、逻辑清晰、测试相对完整的模块做试点。

试点的价值在于校准。你需要观察模型对这段代码的解释是否准确、生成的迁移实现是否符合原有业务语义、重构建议是否可执行。如果一个小模块都需要大量人工纠正，说明当前方式还不适合直接推向核心系统，应当先调整提示方式或补充上下文材料。

试点通过后，再按依赖关系逐步扩大范围。建议每一步都保留可回退的版本，并把模型的解释输出沉淀成文档，这样即使后续换人接手，也不会重新陷入无人能读懂老代码的困境。

OpenAI 同时邀请团队反馈希望优先处理的语言和工作流，因此如果你的系统里有特殊的老语言或特殊流程，通过官方渠道说明需求是有意义的。具体提交方式与支持范围，请以官方页面 openai.com 上的说明为准。

• 先盘点再动手

  列出目标模块清单，标注核心程度与测试覆盖情况，避免在缺乏验证手段的地方率先改造。

• 小模块试点

  选一个体量小、逻辑清晰的模块验证模型输出质量，用结果决定是否扩大范围。

• 保留回退与文档

  每一步保留可回退版本，并把模型生成的解释整理成文档，降低后续交接成本。

谁适合用、和同类方案比怎么样、有哪些限制

最直接的受益者是需要维护老系统的企业团队，尤其是银行、政府机构以及依赖这些系统的商业公司。对他们来说，难点往往不是写新代码，而是先搞清楚旧代码在做什么。模型在解释和迁移建议上的能力，正好切中这一环。

与传统的迁移工具相比，这类能力的优势在于理解自然语言描述的业务规则，而不只是做语法层面的转换。与通用大模型相比，OpenAI 这次强调的是针对低资源语言的专门提升，理论上在 COBOL、Fortran 这类语料稀少的场景下更稳定。不过官方并未公布具体的基准数据，实际差距需要用你自己的代码去验证。

限制也很明确。第一，输出仍需人工评审，尤其是涉及金额计算、合规判断和并发处理的逻辑。第二，能力清单仍在扩展中，OpenAI 正在征集下一步要处理的语言与工作流，说明并非所有老语言都已覆盖。第三，费用与可用范围没有在公告中给出细节，团队在立项前应当查看官方页面确认账户与接入条件。

如果你只是想了解这件事，暂时没有老系统要改，也可以把它当作一个信号：AI 正在从热门语言向支撑社会运转的冷门基础设施延伸，这会改变企业技术团队的技能结构和招聘方向。

• 适合的团队

  正在维护 COBOL、Fortran 或 Visual Basic 系统，且面临文档缺失、人才断层压力的企业与公共机构团队。

• 与通用模型的差别

  官方强调针对低资源语言的专门提升，但未公布基准数据，建议用自己的真实模块做对比测试。

• 主要限制

  输出需人工验证，语言覆盖仍在扩展，费用与接入条件需查看官方页面确认。