模型进展01
OpenAI 本周公布了两项基准测试结果。在自家的 COBOL 迁移测试中，新模型 GPT-6.1 Sol 在低推理强度下准确率达到 86.6%，而上一代 GPT-5.6 Sol 只有 5.4%，成本还低了 39%；提高推理强度后准确率可达 97.9%。COBOL 是支撑大量银行和 ATM 系统的老旧编程语言，长期缺少代码和文档，AI 很难学好，所以这次进步幅度显得很大。另一项叫 MultiLangBench 的测试在 GitHub 上公开了，考察模型用 20 种语言从零搭建一个兼容 SQLite 的数据库引擎，旗舰模型 GPT-6 Astra 平均通过率 87.4%，上一代仅 26.8%。但要注意：COBOL 测试的题目和数据集没有公开，外部开发者无法独立验证，OpenAI 也承认迁移到生产系统仍需专家审查。
文中可用工具
- GPT-6.1 SolOpenAI 的新模型，用于把 COBOL 程序迁移到其他语言
- GPT-5.6 Sol上一代模型，作为对比基线
- GPT-6 AstraOpenAI 的旗舰模型，在 MultiLangBench 中平均通过率最高
- GPT-6 Luna成本更低的模型选项，在 MultiLangBench 中通过率较低
- MultiLangBenchOpenAI 公开在 GitHub 上的基准，测试模型用 20 种语言从零构建兼容 SQLite 的数据库引擎
- Real-SWE 1.1使用私有代码库的软件工程基准，文中的排名参考
- Claude CodeAnthropic 的工具，文中提到可用于 COBOL 现代化
- Claude Opus 5.5在 Real-SWE 1.1 中排名第一的模型
AI 编程02
Navan 是一家做差旅和报销软件的公司。两年前，资深工程师 Rahul Popuri 要把公司代码升级到新版 Spring，一个人花了一个多月，期间一次合并失败还让主分支（团队共享的代码主干）被锁了整整一天；更大的代价是一名工程师整个月都耗在迁移上。最近他们迁移到 Spring Boot 4，借助 Cursor 的云端智能体，Rahul 只需先规划好方案，再把 8 个应用和 15 个库分别交给跑在自托管机器上的智能体并行执行；这些智能体还会自己打开浏览器逐项点击验证。结果约一周就完成，开发工作全程没有被冻结。目前 Navan 约有 200 人使用 Cursor 云端智能体，产品团队还能用一段描述当天生成智能体。人工审查和最终合并仍由工程师把关。
文中可用工具
- Cursor提供云端智能体来并行执行代码迁移、自动验证和问题排查
- Spring Boot 4本次迁移的目标框架版本
- Snowflake通过内部 MCP 接入智能体的数据平台
- Slack通过内部 MCP 接入智能体的沟通工具
- React用于重写表单的前端技术
- Angular被重写替换的旧表单所用前端框架
AI 编程03
GitHub 把 Copilot 运行时的 80 多万行代码，从 TypeScript 和 Node.js 换成了 Rust。Rust 是一种运行更快、更省内存的编程语言。他们没停下来重写，而是边跑边换：先用 N-API 让新旧代码互通，再配合自动测试和人工检查，分 128 次小改动逐步完成，大约花了 14.5 周，期间正常发布版本。对用户来说，Copilot 后端未来可能更快更稳；不过文章只提到迁移过程，没有说明实际性能提升了多少。
文中可用工具
- N-API让 Rust 代码和原来的 Node.js 代码互相调用的接口，方便边跑边换
- Rust用来替换 TypeScript 和 Node.js 的新编程语言，运行更快更省内存
- TypeScriptCopilot 运行时原来使用的编程语言
- Node.jsCopilot 运行时原来运行的 JavaScript 环境