微软开源Orchard框架:统一环境层实现跨任务智能体训练,小模型SWE-bench达69.7%
摘要:微软研究院发布开源框架Orchard,旨在降低智能体AI研究的门槛。其核心Orchard Env是一个基于Kubernetes的轻量级环境服务,支持软件工程、网页导航、个人助理等多种任务,并允许在真实部署框架(如Codex、OpenClaw)内直接训练智能体。配套发布的Orchard-SWE、Orchard-GUI、Orchard-Claw三个训练方案展示了小模型的高效性:Orchard-SWE仅用约30亿激活参数在SWE-bench Verified上达到69.7%的准确率,接近大10倍以上的前沿系统;Orchard-GUI以40亿参数在多个网页导航基准上平均68.4%的成功率,成为最强开源GUI智能体。该框架还开源了训练数据与评估方法,为社区提供了可复现的智能体研究基础设施。
微软开源 Orchard:统一环境层,让智能体训练更高效
微软研究院近日发布开源框架 Orchard,旨在解决智能体 AI 研究中的基础设施瓶颈。该框架的核心是一个可复用的环境服务 Orchard Env,基于 Kubernetes 构建,支持从数据收集到强化学习、评估的全流程,并能在多种任务类型和真实部署框架中无缝工作。
核心设计:环境即服务
Orchard 的核心理念是将运行时环境从特定训练框架中解耦,作为独立的可复用服务。Orchard Env 基于 Kubernetes,能够并行创建、管理和销毁数千个隔离组件,支持代码、网页浏览、工具使用等多种任务。这种设计使得研究团队无需为每个新基准或智能体系统重建基础设施,显著降低了研究成本。
更关键的是,Orchard 支持在真实部署框架(如 Claude Code、Codex、OpenClaw)内直接训练智能体。通过轻量级代理记录框架的模型调用作为训练数据,并在独立容器中运行每次 rollout,实现了端到端训练与部署的一致性,避免了传统方法中训练与部署环境不匹配的问题。
三大训练方案:小模型展现大潜力
Orchard 发布了三个领域特定的训练方案,展示了小模型在复杂任务上的竞争力:
-
Orchard-SWE:面向软件工程任务,基于 Mini-SWE-Agent 框架,在 SWE-bench Verified 上达到 69.7% 的准确率(使用约 30 亿激活参数),通过价值模型重排序可提升至 73%,接近大 10 倍以上的前沿系统。其训练方法包括从 107,000 条智能体交互中蒸馏数据、信用分配监督微调、平衡自适应 rollout 以及密集奖励技术。
-
Orchard-GUI:面向网页导航的 40 亿参数视觉语言模型,仅用 400 条蒸馏演示和 2,200 个开放任务训练,在 WebVoyager、Online-Mind2Web 和 DeepShop 上平均成功率 68.4%,成为最强开源 GUI 智能体,与 OpenAI、Google 的专有系统相当。
-
Orchard-Claw:面向个人助理任务,仅用 200 个合成任务训练,在 Claw-Eval 基准上达到 59.6% 的成功率,与 ZeroClaw 结合后提升至 73.9%。在 Codex 框架下,训练后成功率从 18.6% 跃升至 51.5%,证明了在真实框架内训练的有效性。
行业影响与开发者建议
Orchard 的开源发布为智能体研究提供了可复现的基础设施,降低了进入门槛。开发者可以复用其环境服务、训练管道和数据,快速构建自己的智能体系统。其数据效率表明,小模型在合适的环境和训练方法下也能达到高性能,为资源受限的研究团队提供了新思路。
未来,微软研究院计划将训练经验作为持久资产,实现累积式智能体学习,让新一代智能体继承前代知识。
出处:Microsoft Research Blog, "Orchard: An open framework for scalable agentic AI", 2026-08-03.
—— 完 ——消息来源:Microsoft Research AI (2026-08-03)
主题标签: #Orchard #智能体 #开源框架 #微软 #SWE-bench
编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。
社区整体评论区