Что такое Orchard в контексте ИИ-агентов?

Orchard — это открытый фреймворк от Microsoft Research, предназначенный для масштабируемого моделирования и обучения ИИ-агентов. Он предоставляет стандартизированную инфраструктуру, которая позволяет исследователям разрабатывать и тестировать агентов в реалистичных средах.

Какую основную проблему решает фреймворк Orchard?

Orchard устраняет зависимость от проприетарной инфраструктуры и закрытых конвейеров обучения, которые ранее были необходимы для создания передовых ИИ-агентов. Он предлагает открытую, переиспользуемую среду для обучения и развертывания, что упрощает исследования.

Как Orchard-SWE демонстрирует эффективность фреймворка?

Orchard-SWE, используя модель с 3 миллиардами параметров, достигает 69.7% (до 73% с моделью оценки) на бенчмарке SWE-bench Verified. Это сопоставимо с показателями систем, которые в десять раз больше, доказывая высокую эффективность небольших моделей.

Какие типы задач могут выполнять ИИ-агенты, разработанные с помощью Orchard?

Фреймворк Orchard позволяет создавать агентов для широкого круга задач, включая программную инженерию (Orchard-SWE), навигацию в браузере (Orchard-GUI) и выполнение рутинных функций персонального ассистента (Orchard-Claw). Это демонстрирует его универсальность.

Почему Orchard важен для развития исследований в области ИИ-агентов?

Появление Orchard демократизирует исследования, предоставляя широкому сообществу доступ к инструментам, ранее доступным только крупным корпорациям. Он доказывает, что относительно небольшие модели с открытыми весами могут эффективно решать сложные реальные задачи при наличии правильной среды обучения.

Orchard: Открытая инфраструктура для создания ИИ-агентов ...

Искусственный интеллект стремительно переходит от статических ответов на вопросы к автономным агентам, способным планировать, рассуждать и действовать в сложных многошаговых средах. Однако исследовательское сообщество столкнулось с серьезным препятствием. Создание передовых агентных систем часто требует проприетарной инфраструктуры, включая специализированные изолированные среды (sandboxes) и закрытые конвейеры обучения.

Чтобы решить эту проблему, исследователи представили Orchard — открытый фреймворк для масштабируемого моделирования агентов. В его основе лежит Orchard Env — легковесный сервис на базе Kubernetes, предоставляющий изолированные компоненты для запуска и создания агентов. В отличие от многих существующих решений, эта среда поддерживает различные типы задач без необходимости модификации кода.

Diagram of the Orchard ecosystem showing three benchmark areas (Orchard‑SWE, Orchard‑GUI, Orchard‑Claw) with performance metrics, a modular training pipeline (data curation, curriculum design, SFT, RL, evaluation), and the core Orchard Env service enabling sandboxed execution, file I/O, networking, and APIs. The system supports heterogeneous environments (code, web, desktop, mobile, productivity tools) through a unified interface, emphasizing reusability across domains and efficiency features such as low latency, Kubernetes scaling, and reduced cost.

Главная идея Orchard заключается в том, что среда выполнения должна быть отдельным, переиспользуемым сервисом, а не инфраструктурой, встроенной в конкретный фреймворк обучения. Это позволяет командам внедрять новые бенчмарки или алгоритмы без переписывания базовой архитектуры с нуля. Более того, Orchard решает проблему несоответствия сред обучения и развертывания: агенты могут обучаться непосредственно внутри сложных оболочек (harnesses), таких как Codex или OpenClaw, в которых они будут работать в реальности.

Для демонстрации возможностей фреймворка были выпущены три специализированных решения. Orchard-SWE предназначен для задач программной инженерии. Используя модель с примерно 3 миллиардами активных параметров и методы обучения с подкреплением, система достигает результата 69.7% на бенчмарке SWE-bench Verified, а при использовании модели оценки (value model) для ранжирования ответов — 73%. Это приближает ее к показателям передовых систем, которые в десять раз больше.

On the left: Orchard-SWE (30B-A3B) reaches 67.5% on SWE-bench Verified, matching frontier systems 10—30x larger. On the right: Orchard-GUI (4B) achieves 68.4% average success across WebVoyager, Online-Mind2web, and DeepShop, making it the strongest open-source GUI agent while staying on par with proprietary systems from OpenAI and Google.

Два других решения — Orchard-GUI для навигации в браузере и Orchard-Claw для задач персонального ассистента — также показывают впечатляющие результаты. Orchard-GUI, используя модель машинного зрения на 4 миллиарда параметров, достигает в среднем 68.4% успешности на веб-бенчмарках, конкурируя с проприетарными системами. Orchard-Claw успешно справляется с рутинными задачами продуктивности, демонстрируя значительный рост надежности благодаря обучению в реальных рабочих оболочках.

Появление Orchard означает важный сдвиг в индустрии. Оно доказывает, что при наличии правильной среды обучения и качественного конвейера данных, относительно небольшие модели с открытыми весами могут эффективно решать сложные реальные задачи. Это демократизирует исследования в области ИИ-агентов, давая широкому сообществу инструменты, которые ранее были доступны только крупным технологическим корпорациям.