Создать способного ИИ-агента и обучить его в реальных условиях было дорого и сложно, требуя закрытой инфраструктуры. Теперь Microsoft Research выпустила Orchard — открытый фреймворк, который позволяет делать это масштабно и экономично.
Microsoft Research представила Orchard — фреймворк с открытым исходным кодом для масштабируемых и экономически эффективных исследований ИИ-агентов. Его ядро, Orchard Env, — это переиспользуемый сервис среды на Kubernetes, предназначенный для обучения и оценки агентов в различных предметных областях.
В отличие от большинства существующих решений, Orchard позволяет обучать агентов непосредственно в реальных рабочих средах и "обвязках" (harnesses — системы управления многошаговым рассуждением и использованием инструментов), таких как Codex или OpenClaw. Это устраняет разрыв между тренировкой на упрощенных моделях и развертыванием в боевых условиях.
Orchard Env спроектирован для поддержки различных систем агентов и типов задач: от разработки ПО и веб-навигации до функций персонального помощника. Это позволяет добиваться высоких результатов даже с относительно небольшими моделями. Например, агент Orchard-SWE на бенчмарке SWE-bench Verified достиг 69.7% точности (73.0% с реранкингом) при использовании всего около 3 миллиардов активных параметров. Это сравнимо с системами, использующими модели в 10 раз больше.
Orchard меняет подход к разработке ИИ-агентов, делая её доступной и масштабируемой. Открытые данные, методы и возможность тренировки в реальных условиях снижают барьер входа, позволяя небольшим командам и моделям конкурировать с крупными игроками. Однако фреймворк пока сосредоточен на исследованиях, и его широкое внедрение за пределами лабораторий Microsoft еще предстоит оценить.