विस्तृत विश्लेषण · लगभग 5 मिनट पढ़ना
OpenAI ने कम प्रचलित प्रोग्रामिंग भाषाओं में प्रगति बताई
नई परीक्षाएँ SQLite निर्माण और व्यवहार सुरक्षित रखने वाले COBOL माइग्रेशन की जाँच करती हैं।
- स्रोत की तारीख
- यहाँ प्रकाशित
- स्रोत जाँचा गया
OpenAI ने 19 अक्टूबर को COBOL, Fortran और Visual Basic जैसी भाषाओं के लिए कोडिंग मूल्यांकन प्रकाशित किए। इनके लिए प्रशिक्षण सामग्री अपेक्षाकृत कम है। घोषणा विशिष्ट इंजीनियरिंग कार्यों की जाँच है, पुराने सिस्टम के अपने आप स्थानांतरित होने की गारंटी नहीं।
समाचार सुनें
यह लेख सुनें या समाचार लगातार चलाएँ।
पढ़ने की तैयारी हो रही है…
डिवाइस की आवाज़
वाक् प्रक्रिया आपके ब्राउज़र या डिवाइस में होती है। AISubHub पाठ किसी ऑडियो API को नहीं भेजता। आवाज़ों और लॉक स्क्रीन पर चलने की सुविधा डिवाइस पर निर्भर है।
जारी करने पर छोटा वाक्यांश दोहराया जा सकता है।
मुख्य बातें
- MultiLangBench में 20 भाषाओं में SQLite-संगत डेटाबेस इंजन बनाना होता है। OpenAI के अनुसार अधिकतम reasoning effort पर GPT-6 Astra की औसत टेस्ट सफलता 87.4% रही, जबकि GPT-5.6 Sol की 26.8% थी।
- अलग COBOL माइग्रेशन परीक्षा देखती है कि दोबारा लिखा प्रोग्राम दिखाई देने वाला व्यवहार बनाए रखता है या नहीं। सफलता के लिए सभी छिपे टेस्ट पास होने चाहिए।
दोनों मूल्यांकन वास्तव में क्या मापते हैं
19 अक्टूबर की घोषणा दो इंजीनियरिंग समस्याओं को अलग रखती है, जिन्हें AI कोडिंग के दावों में अक्सर मिला दिया जाता है। MultiLangBench देखता है कि मॉडल नई डेटाबेस कार्यक्षमता कितनी बना सकता है; COBOL कार्य देखता है कि दोबारा लिखा प्रोग्राम पुराना व्यवहार बचाता है या नहीं। हमारी राय में यह अंतर किसी बड़े प्रतिशत से अधिक उपयोगी है। विश्वसनीय दिखने वाला कोड दोनों परीक्षणों में असफल हो सकता है। पुराना सॉफ्टवेयर बदलने वाली टीम को पहले आवश्यक क्षमता और तैनाती से पहले विफलता बताने वाले प्रमाण तय करने चाहिए।
SQLite परीक्षण कार्यक्षमता कैसे जाँचता है
MultiLangBench में उम्मीदवार को शुरुआती डेटाबेस और SQL अनुरोध मिलता है; बदले डेटाबेस को वास्तविक SQLite से जाँचा जाता है। प्रकाशित README SQLite 3.40.1 और तीन हिस्से बताता है: शुरुआती डेटाबेस, उम्मीदवार की क्वेरी और संदर्भ सत्यापन क्वेरी। SQLite के 51,000 TCL परीक्षणों में लगभग 24,000 बदले गए; डिफॉल्ट उपसमूह 272 है। बड़ा समूह चलाने की जानकारी देनी होगी। हमारी व्याख्या में यह भाषाओं के बीच दिखने वाली कार्यक्षमता की तुलना है, मूल SQLite के हर परीक्षण का कवरेज सिद्ध करने वाला कुल अंक नहीं।
आँकड़े उनकी सेटिंग और लागत के साथ पढ़ें
OpenAI के अनुसार अधिकतम तर्क प्रयास पर GPT-6 Astra औसतन 87.4% परीक्षण पास करता है, जबकि GPT-5.6 Sol 26.8%। COBOL 10.9% से 72.1% हुआ और दूसरी परीक्षित भाषाओं से कठिन रहा। GPT-6 Luna का औसत 40.3% है; प्रति नमूना अनुमानित API खर्च $0.77 है, जबकि पुराने Sol का $3.48। ये अलग सटीकता-लागत विकल्प हैं। हमारा सुझाव है कि असफल प्रयास और समीक्षा समय सहित प्रति स्वीकृत परिणाम की लागत देखें; सस्ता नमूना पूरे माइग्रेशन को सस्ता बनाने की गारंटी नहीं।
पुनर्लेखन को व्यवहार क्यों बचाना चाहिए
अलग माइग्रेशन मूल्यांकन COBOL को C++, Java, Kotlin, Python या Rust में बदलता है। छिपे परीक्षण दिखने वाले आउटपुट में बाइट-दर-बाइट समानता माँगते हैं और सभी पास होने पर ही सफलता है। घोषणा एक ठोस जोखिम बताती है: COBOL का fixed-point गणित अतिरिक्त दशमलव अंक हटाता है, जब तक rounding स्पष्ट न माँगी जाए। नया कोड rounding करके चल सकता है, फिर भी वित्तीय परिणाम बदल सकते हैं। OpenAI निम्न प्रयास पर GPT-6.1 Sol की 86.6% सटीकता, समान प्रयास पर पुराने Sol की 5.4% और 39% कम API खर्च बताता है; अधिक प्रयास पर 97.9% मिलता है।
सार्थक पुनरुत्पादन की शर्तें
सार्वजनिक रिपॉजिटरी मॉडल के वातावरण से पहले से मौजूद SQLite कार्यान्वयन हटाने और इंटरनेट रोकने को कहती है। गलत भाषा या कई भाषाओं वाली रचना असफल है; अलग परिणाम, क्रैश और 60 सेकंड से अधिक के परीक्षण भी असफल हैं। ये शर्तें तैयार इंजन का उपयोग करने को स्वयं कार्यान्वयन बनाने से अलग करती हैं। हमने दस्तावेज पढ़े हैं, बेंचमार्क चलाया नहीं। पुनरुत्पादन में सटीक मॉडल, तर्क प्रयास, परीक्षण उपसमूह, वातावरण और लागत लिखें, ताकि बदली हुई व्यवस्था को वही प्रयोग न कहा जाए।
बेंचमार्क से नियंत्रित माइग्रेशन तक
हम पहले किसी गैर-महत्वपूर्ण मॉड्यूल पर सीमित पायलट सुझाते हैं। पुनर्लेखन माँगने से पहले प्रतिनिधि इनपुट और अपेक्षित आउटपुट सुरक्षित करें। rounding, गायब रिकॉर्ड और मॉड्यूल की वास्तविक निर्भरताओं के मामले जोड़ें; ये हमारी मूल्यांकन सलाह हैं, घोषणा के परिणाम नहीं। व्यवसाय के जिम्मेदार लोगों से अंतर जँचवाएँ और वापसी संभव रखें। घोषणा अपने कार्यों पर API प्रयोग करने को कहती है, ChatGPT सदस्यता में नया API बजट नहीं देती। अच्छे अंक जाँच का आधार हैं, उत्पादन की स्वीकृति कसौटी या विशेषज्ञ की जिम्मेदारी का विकल्प नहीं।
यह क्यों अहम है
पुराना सॉफ्टवेयर सँभालने वाली टीमें प्रकाशित मूल्यांकन देखकर अपने कारोबार के नियमों पर परीक्षण कर सकती हैं। मॉडल चुनते समय टेस्ट कवरेज, reasoning सेटिंग और वास्तविक API लागत साथ देखें।
सीमाएँ और उपलब्धता
ये प्रदाता के परिणाम हैं; AISubHub ने स्वतंत्र पुनरुत्पादन नहीं किया। बेंचमार्क सफलता उत्पादन सुरक्षा का प्रमाण नहीं है। विशेषज्ञ समीक्षा तथा कारोबार के नियमों और निर्भरताओं की जाँच आवश्यक रहती है।
स्रोत और प्रमाण
स्रोत की तारीख: 19 अक्टू॰ 2026 · स्रोत जाँचा गया: 20 अक्टू॰ 2026
पूरक पठन
स्रोत जाँचा गया: 20 अक्टू॰ 2026
AI की सहायता से लिखे लेखों को दिए गए प्राथमिक स्रोतों से जाँचा जाता है। प्रदाता के दावों का श्रेय स्पष्ट है; सूची में होना समर्थन नहीं है।