主流大模型在 Python、JavaScript 上早已游刃有余，但一旦离开热门语言，表现就明显下滑。OpenAI 这次要解决的，正是这块被长期忽略的短板。
发生了什么
OpenAI 发布文章，介绍其在低资源编程语言方向上对 ChatGPT 的改进，并同步推出面向软件工程、SQLite 以及 COBOL 迁移的新评测。
从公开信息看，这次动作包含两个层面：一是模型在非主流语言上的能力提升，二是配套的评测体系。评测覆盖的场景并不泛泛——SQLite 指向嵌入式数据库与查询逻辑，COBOL 迁移则直指老旧系统的现代化改造。把「迁移」单独列为评测维度，说明关注点不只是「能不能写出这段代码」，而是「能不能把已有代码安全地搬到新栈上」。
需要说明的是，OpenAI 并未在摘要中披露具体的性能数字、覆盖语言清单或评测规模，这些细节仍需等待完整材料。
为什么重要
编程语言的训练数据分布极度不均。Python、Java、JavaScript 在开源仓库、教程和技术问答中占据绝对多数，模型自然学得好；而 COBOL、Fortran、Ada、部分领域专用语言，公开语料稀少，模型容易生成似是而非的语法和过时的写法。
但真实世界的代码并不按热度分布。金融、保险、政府、航空等行业的核心系统里，大量 COBOL 仍在运行，维护它们的工程师在减少，迁移需求却在上升。这类工作的难点不在写新代码，而在读懂几十年前的业务逻辑并保证行为等价——恰恰是语言模型理论上能帮上忙、实际上却最不可靠的地方。
因此，低资源语言是一个典型的「价值高、难度大」区间。谁先把这块做扎实，谁就更容易进入企业级存量系统改造的采购清单。评测的推出也意味着这个方向开始有了可比较的标尺，而不是停留在演示层面。
影响与看点
对开发者而言，短期最直接的变化是：用 ChatGPT 处理冷门语言时，胡编语法和幻觉 API 的情况有望减少，但迁移类任务仍需人工逐段核对，尤其是涉及隐式类型转换、文件读写和事务语义的部分。
对企业来说，COBOL 迁移被单独评测，释放了一个明确信号——模型厂商开始把「遗留系统现代化」当作正式场景来打磨，而不是顺带一提。这会带动一批围绕迁移验证、行为比对和回归测试的工具需求。
值得关注的还有评测本身的可信度：低资源语言的测试集如何构建、由谁标注、是否覆盖真实业务逻辑，决定了这些分数能否转化为工程上的信任。
一个判断：低资源编程语言不会成为模型竞争的主战场，但它很可能是企业采购时最容易被拿出来做差异化对比的那一项。
