OpenAI 推进低资源编程语言能力，覆盖 SQLite 与 COBOL 迁移场景

在主流 AI 编程工具的竞争中，Python、JavaScript 等高资源语言长期占据优势地位，而 SQLite、COBOL、Fortran 等语言则因训练数据稀缺而被边缘化。OpenAI 此次专项研究的核心出发点，正是填补这一能力鸿沟。这些低资源语言虽然在开发者社区中存在感较低，但在银行核心系统、政府数据库、航空航天计算等关键领域，它们依然是不可替代的基础设施。

为了系统衡量模型在低资源语言上的真实能力，OpenAI 建立了专门的软件工程评估基准。与通用代码补全测试不同，这套评估体系聚焦于实际工程场景中的任务完成质量，包括代码生成的正确性、逻辑一致性以及与现有系统的兼容性。这种以任务为导向的评测方式，能够更真实地反映模型在生产环境中的实用价值。

SQLite 是此次重点评估的语言之一。作为全球部署量最大的数据库引擎，SQLite 广泛嵌入于移动应用、浏览器、操作系统等场景，但其方言特性和轻量级设计使其与标准 SQL 存在诸多差异。ChatGPT 在 SQLite 场景下的评估涵盖查询优化、数据库结构设计及错误调试等典型任务，旨在验证模型能否为大量依赖 SQLite 的开发者提供切实帮助。

COBOL 迁移是另一个重要评估维度。全球仍有数千亿行 COBOL 代码运行在金融和政府机构的大型机上，将这些遗留系统迁移至现代语言是业界长期面临的技术挑战。OpenAI 针对 COBOL 到现代语言的迁移任务设计了专项评估，测试模型能否准确理解 COBOL 的业务逻辑并生成等价的现代代码，这对于推动遗留系统现代化具有重要的实践意义。

此次研究表明，OpenAI 正在将模型能力的提升从「广度覆盖」转向「深度专项」。通过为特定语言和场景建立精细化评估体系，OpenAI 能够识别模型的薄弱环节并进行定向优化。这一策略不仅有助于提升 ChatGPT 对传统行业用户的实用价值，也为整个 AI 编程工具领域在小众语言支持方面树立了新的标杆。随着评估体系的持续完善，低资源语言开发者有望获得与主流语言用户同等质量的 AI 辅助体验。

要点

• OpenAI 正在为 SQLite、COBOL、Fortran 等低资源编程语言建立专项评估基准，以驱动 ChatGPT 在这些语言上的定向能力提升。
• COBOL 迁移场景被列为重点评估方向，直接回应金融和政府机构大规模遗留系统现代化的现实需求。
• SQLite 因其广泛的嵌入式部署场景和方言特性，成为低资源语言评估中的核心测试对象之一。
• 此次研究标志着 OpenAI 的模型优化策略从通用能力提升转向特定场景的精细化专项突破。