微软开源 Orchard 框架：30 亿参数模型 SWE-bench 达 69.7%
来源Microsoft Research查看原文
速览
- Orchard 将运行时环境抽象为独立可复用服务，支持跨任务、跨 harness 训练与评估。
- Orchard-SWE 用约 30 亿激活参数逼近参数量超 10 倍的前沿系统。
- Orchard-GUI 证明小规模监督数据即可训练出强网页导航智能体。
- Orchard-Claw 在真实 harness 中训练后可靠性大幅提升。
- 训练经验可蒸馏为 value model 并复用，推动累积式智能体学习。
- 开源完整栈旨在降低 agentic AI 研究的基础设施门槛。
Microsoft Research 发布开源框架 Orchard，用于可扩展、低成本的 agentic AI 研究。其核心是 Orchard Env——一个基于 Kubernetes 的可复用环境服务，可同时支持软件工程、网页导航和个人助理三类任务，并允许直接在 Codex、OpenClaw、ZeroClaw 等真实部署 harness 中训练智能体。配套发布三个训练配方：Orchard-SWE 在 SWE-bench Verified 上达到 69.7%（加 value-model 重排序后 73.0%），仅用约 30 亿激活参数；Orchard-GUI 用 400 条蒸馏演示和 2200 个开放式任务训练 40 亿参数视觉语言模型，在 WebVoyager、Online-Mind2Web、DeepShop 上平均 68.4%；Orchard-Claw 仅用 200 个合成任务训练，在 Claw-Eval 上三次尝试内完成 59.6%，搭配 ZeroClaw 提升至 73.9%。项目同时开源训练数据与评估方法。
关键事实
- Orchard 是 Microsoft Research 发布的开源 agentic AI 框架，核心为基于 Kubernetes 的 Orchard Env 环境服务。
- Orchard-SWE 在 SWE-bench Verified 上达到 69.7%，使用 value-model 重排序后升至 73.0%，模型仅约 30 亿激活参数。
- Orchard-SWE 训练数据为从 MiniMax-M2.5 和 Qwen3.5-397B 蒸馏的 107,000 条 agent 交互。
- Orchard-GUI 训练 40 亿参数视觉语言模型，仅用 400 条蒸馏演示和 2,200 个开放式任务，在 WebVoyager、Online-Mind2Web、DeepShop 上分别达 74.1%、67.0%、64.0%，平均 68.4%。
- Orchard-Claw 仅用 200 个合成任务训练，在 Claw-Eval 上三次尝试内完成 59.6%，搭配 ZeroClaw 后达 73.9%。
- Orchard-Claw 在 Codex harness 下，未训练模型成功率为 18.6%，经 Orchard 训练后升至 51.5%。
本站视角
Orchard 的发布对中文开发者、国内做 Agent 的团队以及使用 API 的中小企业有直接参考价值。首先，它把环境层从训练框架中解耦，意味着团队不必为每个新任务重建沙箱和评估管线，可以复用同一套 Orchard Env 做数据生成、RL rollout 和评估，这能显著降低工程成本。其次，Orchard-SWE 用约 30 亿激活参数在 SWE-bench Verified 上达到 69.7%，说明在正确的环境与训练配方下，小模型可以在复杂真实任务上逼近大模型，这对算力受限的国内团队是一个积极信号。第三，Orchard 支持在 Codex、OpenClaw、ZeroClaw 等真实 harness 中训练，解决了长期存在的训练-部署不匹配问题，这一思路值得国内做 Agent 基础设施的团队借鉴。需要观察的是，Orchard 目前展示的是研究阶段的结果，其在生产环境中的稳定性、跨 harness 的泛化能力以及 Kubernetes 集群的运维成本尚未披露。此外，SWE-bench Verified 和 WebVoyager 等 benchmark 本身存在饱和与污染争议，69.7% 与 73.0% 的对比也应结合具体评测条件看待。我们认为，Orchard 的最大价值不在于单个分数，而在于它开源了完整栈——环境服务、训练管线和数据集，这为社区复现和进一步研究提供了基础，但实际采用效果仍需第三方验证。
背景与影响
当前 agentic AI 研究面临基础设施瓶颈：构建顶尖智能体通常需要专有沙箱、闭源训练管线和私有数据集，多数研究者难以复现。Orchard 试图通过开源、轻量、可复用的环境层解决这一问题。其 Orchard Env 基于 Kubernetes，可并行创建、管理和销毁数千个隔离组件，支持数据蒸馏、强化学习 rollout 和评估等不同阶段。与以往训练时使用简化替代环境、部署时再切换真实 harness 的做法不同，Orchard 通过轻量代理记录 harness 自身的模型调用作为训练数据，使智能体能在最终部署的 harness 中端到端训练，减少训练与部署的不匹配。这一设计可能降低学术机构和中小团队进入 agentic AI 研究的门槛，并推动跨任务、跨 harness 的经验复用。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。