微软开源Orchard 训练小模型也能做Agent

时间：2026年8月3日 地点：美国华盛顿州雷德蒙德/线上 人物：微软研究院Orchard项目团队（Baolin Peng等） 事件详情：微软研究院公布并开源Orchard，一个面向可扩展智能体建模的框架。核心组件Orchard Env是基于Kubernetes的环境服务，可为软件工程、网页导航和个人助理等任务批量创建隔离沙箱，并复用数据采集、强化学习训练和评测流程。项目同时发布Orchard-SWE、Orchard-GUI和Orchard-Claw三套训练方案，训练数据、代码及评测方法一并开放。 背景：智能体训练不只是调用模型，还要让它在代码仓库、浏览器和工具环境中持续行动。过去环境管理常与训练框架或特定Agent绑定，研究人员难以复现实验，也容易出现训练环境与真实部署Harness不一致的问题。Orchard把环境层做成独立服务，试图降低规模化训练门槛。 影响： - Orchard Env可并行管理数千个隔离组件，支持不同任务和Agent Harness复用 - Orchard-SWE在SWE-bench Verified达到69.7%，价值模型重排后达73.0% - Orchard-GUI仅用约4B参数，在多个网页导航基准平均成功率达68.4% - 开源环境、数据和训练配方有助于高校与中小团队复现实验 总结：Orchard的关键变化不是再发布一个Agent SDK，而是把智能体训练所需的环境层、数据流和评测流程抽成可复用基础设施。微软研究院给出的结果显示，较小的开源模型经过合适的环境交互训练，也能在代码修复和网页操作任务上接近更大规模的闭源系统。不过，相关成绩主要来自项目方设定的基准和配置，真实生产环境中的成本、稳定性与安全边界仍需社区进一步验证。 参考来源： - https://www.microsoft.com/en-us/research/blog/orchard-an-open-framework-for-scalable-agentic-ai/ - https://github.com/microsoft/Orchard - https://arxiv.org/abs/2605.15040 - https://huggingface.co/datasets/microsoft/Orchard - https://www.modelscope.cn/datasets/microsoft/Orchard/summary - https://cloud.tencent.com/developer/article/2701996