COBOLの移行試験は97.9% 前の版の5.4%から伸びた
OpenAIは米国時間10月19日、COBOLやFortranなど古い言語でGPT-6世代のコード生成と移植の力が大きく伸びたと公式ブログで発表した。COBOLやFortranはPythonに比べてAIが学ぶコードや資料が少なく、低リソース言語と呼ばれる。
中心の試験は、COBOLのプログラムをC++・Java・Kotlin・Python・Rustのどれかへ書き換えさせるものだ。出力がバイト単位まで元と一致するかを隠しテストで判定し、1つでも落とせば失敗になる。9月29日公開のGPT-6.1 Solは推論量を低くして86.6%、高くすると97.9%通った。前の版のGPT-5.6 Solは5.4%で、APIの費用はその61%で済んだとしている。
| OpenAIが公表した試験（公式発表の値） | GPT-5.6 Sol | GPT-6世代 |
|---|---|---|
| COBOLの移行（GPT-6.1 Sol・推論量 低） | 5.4% | 86.6% |
| COBOLの移行（GPT-6.1 Sol・推論量 高） | 5.4% | 97.9% |
| MultiLangBench 20言語の平均（GPT-6 Astra） | 26.8% | 87.4% |
| MultiLangBench COBOL（GPT-6 Astra） | 10.9% | 72.1% |
SQLite互換のデータベースを一から作らせるMultiLangBenchでも、GPT-6 Astraは全言語で前の版を上回った。それでも83%を超えなかったのはCOBOLだけだ。
- 9/29OpenAIがGPT-6.1 Solを公開
- 10/19OpenAIが古い言語の試験結果を発表
COBOL4本を4モデルで試した 76回中73回が一致した
AInformationは10月20日に自前のCOBOLを4本書き、Pythonへの書き換えを日本語で頼んだ。中身は請求書の消費税・時給スタッフの給与・預金の日割り利息・保険料の桁あふれを仕込んだ給与の控除だ。GnuCOBOL 3.2で動かした出力を正解にして、標準出力をバイト単位で一致させるよう指示した。
| モデル（AInformation実測） | 出力が一致した回数（4本の合計） | 給与の控除1本の時間（中央値） | 同じく1本の費用（中央値） |
|---|---|---|---|
| GPT-6.1 Sol | 25回中23回 | 17.9秒 | 1.6円 |
| GPT-6 Astra | 16回中16回 | 20.6秒 | 8.0円 |
| GPT-5.6 Sol | 16回中16回 | 57.0秒 | 12.8円 |
| Gemini 4 Argon | 19回中18回 | 15.6秒 | 1.9円 |
AInformation調べ。10月20日14時台に3本を投げた（GPT-6.1 Solは5回ずつ・ほかは2〜3回ずつ）。17時台は給与の控除1本を各10回で、どちらもAPIの既定の設定のままだ。費用は公式の単価（GPT-6.1 Solは100万トークンあたり入力2ドル・出力10ドル）と実際のトークン数から1ドル158.24円で出した。Claudeは当日APIの認証が通らず試していない。
前の版のGPT-5.6 Solも16回すべて通り、差は時間と費用に出た。給与の控除1本に57.0秒と12.8円かかり、GPT-6.1 Solの3倍あまりの時間と約8倍の費用になる。手元の4本は44〜92行と短いため、OpenAIの試験ほどの正答率の差は出なかった。
外れた3回はエラーなしで動いた 手取りが1万円ずれた
外れた3回は、どれもエラーを出さずに最後まで動いた。GPT-6.1 Solの1回は請求書の最後の行で「-0001」を「000q」と出し、GnuCOBOLの符号の表し方を取り違えた。もう1回は給与の控除で保険料を1けた小さく出し、4人の手取りが全員ずれた。
Gemini 4 Argonの1回は、保険料15,909.5円が4けたの欄に収まらず頭の1が落ちる動きを写さなかった。そのため1人の手取りが正解より1万円少ない266,964.40円になった。残りの回は全モデルがこの5,909.5円まで元と同じに出している。出力をそろえる試験なので、写すのが正しい動きだ。
ただし金額があふれると知らせる説明は、どのコードにも無かった。COBOLの誤りは表に出にくい。AIコーディング企業のFactoryは4月の評価Legacy-Benchで、失敗の97%でAIエージェントが解けたと思い込んでいたと分析している。
移行の本番は人のレビューが前提 OpenAI自身がそう書いた
IBMによると、COBOLはオンラインバンキングの40%超とATM取引の95%を支えている。日本でも経産省が「2025年の崖」として古いシステムの放置に警鐘を鳴らしてきた。この分野ではIBMが2023年10月にwatsonx Code Assistant for Zを出した。Anthropicも2026年2月に、Claude CodeでCOBOLの刷新を四半期単位へ縮められると主張している。
それでもOpenAI自身は、本番のシステムに使うには専門家のレビューと業務ルールに照らしたテストが要るとしている。移行を考えている会社は、まず元のプログラムの出力を正解として控えておくとよさそうだ。桁があふれる入力やマイナスになる入力をわざと混ぜれば、黙ってずれた1回を機械で拾える。
- 低リソース言語
- AIが学ぶためのコードや資料が少ないプログラミング言語。COBOLやFortranが当たり、コーディング支援AIが苦手としてきた
- MultiLangBench
- SQLite互換のデータベースを指定の言語で一から作らせ、本家SQLiteのテストを変換した試験の通過率を測る。評価環境はGitHubで公開
COBOLの移行で手間がかかるのは、書き換えそのものより「今の動きが正しいのか」を決める作業だとみている。今回もAIは桁あふれを黙って写し、写しそこねた回も黙って別の金額を出した。どちらもエラーは出ない。情報システム部門は元の不具合を残すか直すかを帳票ごとに決め、旧システムの出力と突き合わせる仕組みを先に作っておかないと、受け入れテストで止まりそうだ。1本2円前後で何度でも書き直せるので、人手はテストの正解づくりに回すのが現実的だ。
- GPT-6.1 SolにCOBOLの移行を任せてよい？
- 試験の数字は高いが、本番は人のレビューが前提だ。OpenAIの試験ではGPT-6.1 Solが推論量を低くして86.6%、高くして97.9%通った。AInformationが4本で試すと25回中23回が出力まで一致したが、外れた2回はエラーを出さずに動いた。OpenAI自身も本番には専門家のレビューと業務ルールに照らしたテストが要るとしている。
- COBOLをAIで書き換えるといくらかかる？
- 44行の給与計算なら1本2円前後だ。AInformationの試験ではGPT-6.1 Solが1本1.6円、Gemini 4 Argonが1.9円だった。前の版のGPT-5.6 Solは単価が高く思考も長いため12.8円かかった。OpenAIは自社の試験で、GPT-6.1 SolのAPIの費用がGPT-5.6 Solの61%で済んだとしている。
- COBOLの移行でGeminiやClaudeとはどう違う？
- AInformationの試験ではGemini 4 Argonが19回中18回一致し、給与の控除1本は15.6秒で4モデルで最も速かった。ただし外した1回は手取りが1万円ずれている。Claudeは当日APIで試せていない。AnthropicはClaude CodeでCOBOLの刷新を四半期単位へ縮められると2026年2月に主張している。
- AIが書き換えたCOBOLの誤りはどう見つける？
- 元のプログラムの出力を正解として残し、新しいコードの出力とバイト単位で突き合わせるのが近道だ。Factoryの分析では、失敗の97%でAIが解けたと思い込んでいた。AInformationの試験でも外れた3回はエラーを出さずに動いた。桁があふれる入力とマイナスになる入力を混ぜて試すと見つけやすい。
この記事の出典
補助資料
- [1]テクノエッジこの記事の元にした報道
出典の最終確認日：2026年10月20日
