Orchard: 확장 가능한 에이전트형 AI를 위한 오픈 프레임워크

마이크로소프트 리서치가 확장 가능하고 비용 효율적인 에이전틱 AI 연구를 위한 오픈소스 프레임워크인 Orchard를 공개했습니다. 그 핵심에는 Kubernetes 기반 환경 서비스인 Orchard Env가 있으며, 다양한 작업 영역에서 에이전트를 훈련하고 평가하기 위한 재사용 가능한 격리 구성 요소를 제공합니다. 이 프레임워크는 소프트웨어 엔지니어링, 웹 탐색, 개인 비서 에이전트를 지원하며, Codex, OpenClaw, ZeroClaw와 같은 실제 배포 하네스 내부에서 직접 훈련할 수 있습니다. 이 프로젝트는 Orchard-SWE, Orchard-GUI, Orchard-Claw라는 세 가지 훈련 레시피를 도입합니다. 소프트웨어 엔지니어링의 경우, Orchard-SWE는 MiniMax-M2.5와 Qwen3.5-397B에서 추출한 107,000개의 증류된 에이전트 상호작용을 사용하며, 크레딧 할당 지도 미세 조정과 강화 학습을 통해 약 30억 개의 활성 파라미터만으로 SWE-bench Verified에서 69.7%의 성능을 달성합니다(값 모델 재순위화 시 73.0%). 웹 탐색의 경우, Orchard-GUI는 제한된 감독(400개의 데모와 2,200개의 작업)으로 40억 파라미터 비전-언어 모델을 훈련하여 WebVoyager, Online-Mind2Web, DeepShop에서 평균 68.4%를 달성합니다. 개인 비서의 경우, 여러 하네스에서 200개의 합성 작업으로 훈련된 Orchard-Claw는 Claw-Eval에서 59.6%를 달성합니다(ZeroClaw 사용 시 73.9%). 이 프레임워크는 개방형 인프라를 제공하여 연구 비용을 낮추는 것을 목표로 하며, 저자들은 데이터 효율성과 누적 에이전트 학습을 향후 방향으로 강조합니다. 모든 훈련 데이터와 평가 방법은 커뮤니티에 공개됩니다.