IBM藏了3年的COBOL翻譯器：1.5萬程序實測

15,552個真實程序，98.78%直接生成可運行Python，零大語言模型參與。這組數字來自一家叫AGUELLID CODE的公司，他們上周剛用IBM的SAM1做完概念驗證，本周就把測試規模拉到了全球級別。

這不是實驗室玩具。測試樣本來自131個開源倉庫，橫跨挪威、法國、巴西、印度、日本、美國五個大洲，涵蓋商業COBOL、GnuCOBOL擴展、TypeCOBOL、大型機方言。沒有篩選，沒有精心挑樣，能找到的全扔進去了。

從96.84%到98.78%：兩周迭代做了什么

v5.6版本時，14,508個文件里有14,020個通過，成功率96.84%。v5.8e版本新增1,044個文件，總數15,552，通過數15,362，成功率98.78%。失敗數從488降到190，凈減少298個。

更細的數據：在v5.7的參考語料上，原本289個失敗案例，一次開發會話就修掉了180個，成功率沖到99.25%。

他們的"有效Python"定義極其苛刻——不是人工審閱，不是字符串比對，不是風格檢查，而是直接丟進Python的ast.parse()。通過就是通過，報SyntaxError就是失敗，沒有中間態。這種二進制判定連模型幻覺的空間都沒留。

190個硬骨頭：邊界在哪

剩下的190個失敗案例，AGUELLID CODE列得清清楚楚。TypeCOBOL的多級限定、REPLACE語句、類型表達式，約60個；GnuCOBOL的GUI、位運算、面向對象、SCREEN SECTION，約40個；非標準COBOL比如WebSocket、brainfuck解釋器、.NET GUI，約30個；STRING/UNSTRING的深度嵌套、多分隔符，約25個；大型機特有的CICS內聯、復雜EXEC SQL、嵌套copybook，約35個。

這些不是翻譯bug，是解析器本來就沒理解的構造。語義中間表示（semantic intermediate representation）再強，也沒法憑空生成沒見過的東西。

他們的技術路線很明確：COBOL先轉成語義中間表示，再生成行為等價而非逐行對應的Python。沒有神經網絡，沒有提示詞，沒有采樣隨機性。相同輸入永遠得到相同輸出，邏輯可審計，路徑可追溯。

2200億行COBOL的維護困境

全球約有2200億行COBOL在生產環境運行。寫這些代碼的工程師大多退休，文檔殘缺，系統行為成了"機構記憶編碼在語法里"。銀行、保險、政府系統想現代化，但"模型覺得自己對了"這種解釋在監管面前站不住腳。

AGUELLID CODE的賣點就在這里——確定性。不是更快，不是更聰明，是可解釋、可復現、可追責。這在需要留審計痕跡的領域是硬通貨。

測試覆蓋的131個倉庫、5個大洲、15,552個程序，本質上是在說：我們不是挑軟柿子捏。失敗案例公開分類，修復進度透明，這種打法在AI翻譯工具里少見。

190個失敗案例會降到多少？TypeCOBOL和大型機方言的支持時間表是什么？他們沒說。但98.78%這個數字本身已經構成一種挑釁——不用大模型，純規則驅動，能做到這個水平，那些押注LLM重寫COBOL的創業公司要怎么接招？