Microsoft Researchは8月3日(現地時間)、スケーラブルで費用対効果の高いAIエージェント研究を推進するためのオープンソースフレームワーク、オーチャード (Orchard) を発表した。同フレームワークは、AIエージェントを多様なタスクタイプで訓練・評価する再利用可能な環境サービス、オーチャード・エンブ (Orchard Env) を中心に構築されている。ソフトウェアエンジニアリング、ウェブナビゲーション、パーソナルアシスタントなど、異なる領域のエージェントが同一インフラストラクチャ上で効率的に動作できるようになる。
オーチャード・エンブ (Orchard Env) は、軽量なKubernetes 環境を基盤としており、データ収集から強化学習のロールアウト、評価に至るまで、AIエージェントを大規模に実行・構築するための再利用可能な分離コンポーネントを提供する。既存の多くのフレームワークとは異なり、オーチャード・エンブは修正なしで様々なエージェントシステムとタスクタイプに対応するよう設計されている。これにより、研究チームは基盤インフラストラクチャを再構築することなく、新しいベンチマークやアルゴリズムを迅速に導入することが可能となる。
オーチャード (Orchard) は、今日の高性能エージェントであるCodex、オープンクロー (OpenClaw)、ゼロクロー (ZeroClaw) などが利用する複雑なハーネス内での直接訓練を可能にする。軽量プロキシがハーネス自身のモデル呼び出しを訓練データとして記録し、各ロールアウトは専用コンテナで実行されるため、エージェントはデプロイされるハーネス内でエンドツーエンドに訓練できる。このアプローチにより、従来の訓練環境と実稼働環境間での不一致が解消される。
Microsoft Researchは、オーチャード (Orchard) を用いた三つのドメイン固有の訓練レシピを公開した。これらはオーチャード・エスダブリューイー (Orchard-SWE)、オーチャード・ジーユーアイ (Orchard-GUI)、オーチャード・クロー (Orchard-Claw) である。特にオーチャード・エスダブリューイー (Orchard-SWE) は、エスダブリューイーベンチ (SWE-bench) Verifiedにおいて69.7%の成績を達成し、価値モデルによる再ランキングを適用することで73.0%にまで向上した。約30億の有効パラメータを持つ比較的小規模なモデルでありながら、これは10倍以上大規模なモデルを使用する最先端システムに匹敵する結果を示している。
参考: Microsoft Research Blog (アーカイブ) — 2026年8月4日 01:00 (JST)