OpenAI Klaim Model GPT-6.1 Sol Jauh Lebih Unggul dalam Migrasi Kode Pemrograman Lawas
OpenAI mengonfirmasi bahwa jajaran model kecerdasan buatan (AI) generasi terbarunya kini memiliki kapabilitas yang jauh lebih mumpuni dalam menulis serta memigrasikan perangkat lunak yang dibangun menggunakan bahasa pemrograman lawas (legacy code).
Dalam pengumuman resminya, perusahaan menyebutkan beberapa contoh bahasa pemrograman tua seperti COBOL, Fortran, dan Visual Basic sebagai area yang mencatatkan peningkatan performa paling signifikan.
Menurut catatan OpenAI, bahasa pemrograman COBOL hingga saat ini masih menopang lebih dari 40% sistem perbankan daring (online banking), 80% transaksi kartu kredit tatap muka, serta 95% operasional transaksi mesin ATM di seluruh dunia. Sementara itu, bahasa Fortran masih terus diandalkan pada berbagai sektor krusial seperti pemodelan prakiraan cuaca hingga analisis keselamatan reaktor nuklir.
“Bahasa-bahasa pemrograman ini memiliki ketersediaan baris kode dan dokumentasi yang jauh lebih sedikit untuk dipelajari oleh model AI jika dibandingkan dengan bahasa populer seperti Python dan JavaScript, namun tetap menopang infrastruktur kritis dan layanan esensial di seluruh dunia,” jelas OpenAI melalui unggahan blog resminya.
Pengujian MultiLangBench pada Model GPT-6 Astra
Untuk mengukur sejauh mana peningkatan kemampuan tersebut secara objektif, OpenAI merancang sebuah metode pengujian internal bernama MultiLangBench. Pengujian ini menantang berbagai model AI untuk membangun mesin basis data (database engine) yang kompatibel dengan SQLite benar-benar dari nol (from scratch) di 20 bahasa pemrograman yang berbeda.
Hasilnya, model GPT-6 Astra berhasil meraih rata-rata tingkat kelulusan uji (test pass rate) sebesar 87,4%, melonjak drastis dibandingkan pencapaian model pendahulunya, GPT-5.6 Sol, yang hanya berada di angka 26,8%.
Khusus untuk pemrograman COBOL, skor performa GPT-6 Astra melesat tajam dari 10,9% menjadi 72,1%, sedangkan pada bahasa Fortran meningkat dari 21,4% menjadi 83,5%. Secara keseluruhan, peningkatan performa ini merata di seluruh bahasa pemrograman lawas maupun spesifik yang diuji, termasuk OCaml (naik dari 25,6% ke 85,8%) serta Visual Basic (naik dari 27,5% ke 89,4%).
Akurasi Tinggi GPT-6.1 Sol dalam Migrasi Kode COBOL
Selain kemampuan menulis kode dari awal, OpenAI juga menguji apakah model terbaru mereka sanggup memigrasikan program berbasis COBOL ke berbagai bahasa pemrograman modern seperti C++, Java, Kotlin, Python, atau Rust tanpa mengubah perilaku maupun logika asli dari program tersebut.
Dalam skenario migrasi ini, model GPT-6.1 Sol menunjukkan lompatan kemampuan yang sangat masif. Pada pengaturan upaya penalaran rendah (low reasoning effort), GPT-6.1 Sol sanggup mencapai tingkat akurasi sebesar 86,6%—berbanding jauh dengan GPT-5.6 Sol yang hanya mencetak skor 5,4% pada pengaturan yang sama—sembari memangkas biaya penggunaan API hingga hanya memerlukan 61% dari biaya generasi sebelumnya.
Lebih jauh lagi, ketika dijalankan pada pengaturan upaya penalaran yang lebih tinggi (higher reasoning effort), tingkat akurasi migrasi kode pada GPT-6.1 Sol bahkan sanggup menembus angka 97,9%, yang membawa hasil evaluasi pengujian tersebut mendekati titik jenuh (saturation).
Terobosan kapabilitas pada model AI terbaru ini dinilai akan sangat membantu berbagai perusahaan dan institusi keuangan dalam memodernisasi sistem perangkat lunak lawas mereka secara lebih efisien, meskipun proses migrasi pada lingkungan produksi (production) nantinya tetap memerlukan peninjauan serta pengujian ketat dari para tenaga ahli.
Sumber: OpenAI Blog
