Orchard: um framework aberto para IA agêntica escalável

A Microsoft Research lançou o Orchard, um framework de código aberto para pesquisa de agentes de IA escalável e econômica. Em seu núcleo está o Orchard Env, um serviço de ambiente baseado em Kubernetes que fornece componentes isolados reutilizáveis para treinar e avaliar agentes em diferentes domínios de tarefas. O framework suporta agentes de engenharia de software, navegação na web e assistentes pessoais, e pode treiná-los diretamente dentro de ambientes de implantação reais, como Codex, OpenClaw e ZeroClaw. O projeto introduz três receitas de treinamento: Orchard-SWE, Orchard-GUI e Orchard-Claw. Para engenharia de software, o Orchard-SWE usa 107.000 interações destiladas de agentes do MiniMax-M2.5 e Qwen3.5-397B, com ajuste fino supervisionado por atribuição de crédito e aprendizado por reforço, alcançando 69,7% no SWE-bench Verified (73,0% com reclassificação por modelo de valor) usando apenas cerca de 3 bilhões de parâmetros ativos. Para navegação na web, o Orchard-GUI treina um modelo de linguagem-visão de 4 bilhões de parâmetros com supervisão limitada (400 demonstrações e 2.200 tarefas), alcançando uma média de 68,4% no WebVoyager, Online-Mind2Web e DeepShop. Para assistência pessoal, o Orchard-Claw, treinado em 200 tarefas sintéticas em vários ambientes, alcança 59,6% no Claw-Eval (73,9% com ZeroClaw). O framework visa reduzir os custos de pesquisa fornecendo infraestrutura aberta, e os autores destacam a eficiência dos dados e o aprendizado cumulativo de agentes como direções futuras. Todos os dados de treinamento e métodos de avaliação são disponibilizados para a comunidade.