Orchard – Microsoft Researchがオープンソースで公開するAgentic AIモデリングフレームワーク 運営中

Orchardは、Microsoft Researchが公開するオープンソースのAgentic AIモデリングフレームワークです。中核となるのはKubernetesベースのOrchard Env環境サービスで、ドメインをまたいだサンドボックスの再利用によるデータ蒸留、強化学習のロールアウト、評価をサポートします。フレームワークはソフトウェアエンジニアリング、ブラウザナビゲーション、パーソナルアシスタントの3分野をカバーし、トレーニングデータと評価手法も公開しています。

ドメイン横断型の統一環境サービス：Orchard Envは、サンドボックスのライフサイクル管理、コマンド実行、ファイルI/O、ネットワークポリシー、REST APIを提供します。単一のインフラで、コード、ウェブ、デスクトップ、モバイル、プロダクティビティワークフローを支えられます。
3分野向けのトレーニングレシピ：Orchard-SWEはコード修正、Orchard-GUIは視覚的なウェブナビゲーション、Orchard-Clawはメールやカレンダーなどの日常的なプロダクティビティタスクに特化し、いずれも完全なSFT + RLトレーニングパイプラインを提供します。
実際のハーネス上でのトレーニング：Codex、OpenClaw、ZeroClawなど、実際にデプロイされたハーネス上でエンドツーエンドのトレーニングと評価を直接実行でき、トレーニング環境とデプロイ環境のミスマッチを解消します。
オープンソースのデータセットと評価プロトコル：107K件のSWE軌跡、3,070件のGUIマルチモーダル・ロールアウトデータに加え、対応する評価ベンチマークと再現可能なレシピを公開しています。

WeChatでフォローし、「開源」と返信すると、AIオープンソースプロジェクトの交流グループに参加できます。
Kubernetesネイティブな環境レイヤー：Orchard Envは独立したサービスとして動作し、コンテナオーケストレーションによって数千の分離サンドボックスを並列で作成・破棄します。平均コマンド実行レイテンシはわずか0.28秒で、自動スケーリングとRedis分散ロックにも対応します。
Credit-Assignment SFT：ソフトウェアエンジニアリング分野では、一部の失敗軌跡を破棄せず、有効な部分から教師信号を抽出することで、利用可能なトレーニングデータ量を最大化します。
Balanced Adaptive Rollout + 密な報酬：RLにおける疎なフィードバックの問題に対し、バランスの取れた適応型ロールアウトで希少な成功シグナルを捉え、さらにオンポリシー蒸留とルールベースのプロセス報酬モデルを導入して、中間ステップに密な指針を与えます。
Value Modelによる再ランキング：20回分の過去の実験におけるロールアウト軌跡を用いて4Bパラメータの価値モデルを訓練し、推論時に複数の候補解をスコアリングして最適なものを選択します。これにより、Orchard-SWEの性能を69.7%から73.0%へ向上させました。
Harness-Agnosticエージェント記録：軽量なエージェント記録ハーネスが、ハーネス自体のモデル呼び出しを記録してトレーニングサンプルへ再構成します。これにより、環境イメージを変更せず、あらゆるRLコードベースを任意のハーネスに接続できます。

SDKのインストール：pip install -e "orchard_env[dev]"を実行してPython SDKをインストールし、環境変数SANDBOX_BASE_URLとSANDBOX_API_KEYを設定します。
サンドボックスのクイック呼び出し：SandboxClientのコンテキストマネージャーを使ってサンドボックスを作成し、コマンドを実行します。同期・非同期モード、ファイルの読み書き、git patchの適用、PTYセッションに対応しています。
オーケストレーターのデプロイ：Azure AKSが提供する4つのスクリプト（provision、build、deploy、smoke-test）を使えば、約20分で複数レプリカのオーケストレーターをデプロイできます。Azure以外のクラスターにも対応します。
トレーニングレシピの実行：GitHubリポジトリのtrainer/slime/ディレクトリを参照し、Orchard Env上でOrchard-SWE、Orchard-GUI、Orchard-Clawの完全なSFT + RLトレーニングフローを実行します。

小型モデルで大規模モデルに近い性能：Orchard-SWEは約3BのアクティブパラメータでSWE-bench Verifiedにおいて73.0%を達成し、パラメータ数が10倍以上の最先端システムに迫ります。Orchard-GUIは4Bパラメータで3つの主要ウェブベンチマークの平均68.4%を達成し、OpenAI CUAやGemini CUAに匹敵します。
大幅なコスト削減：E2BやDaytonaなどのマネージド・サンドボックスサービスと比べ、Orchard Envのオンデマンドコストは約0.47倍、Spotインスタンスのコストはわずか0.10倍で、約10倍の価格差があります。
ハーネスをまたいだ高い汎化能力：同一の環境レイヤーでReACT、ZeroClaw、OpenClaw、Codexなど複数のハーネスをサポートします。Orchard-Clawでは、ZeroClaw上のpass@3が59.6%から73.9%に向上しました。
効率的なトレーニングデータ：Orchard-GUIは、わずか400件の蒸留デモと2,200件のオープンタスクで、オープンソースで最も強力なウェブAgent水準を達成しました。適切な環境と組み合わせれば、少量のデータでも高性能モデルを訓練できることを示しています。

プロジェクト公式サイト：https://www.microsoft.com/en-us/research/blog/orchard-an-open-framework-for-scalable-agentic-ai/
GitHubリポジトリ：https://github.com/microsoft/Orchard
HuggingFaceモデルリポジトリ：https://huggingface.co/datasets/microsoft/Orchard
arXiv技術論文：https://arxiv.org/pdf/2605.15040

ソフトウェアエンジニアリングの自動化：実際のコードベースでバグを自律的に診断し、テストを作成し、パッチを生成して検証まで行います。オープンソースプロジェクトの保守や企業内のコードレビューに適しています。
インテリジェントなウェブナビゲーション：視覚理解に基づいてブラウザを自動操作し、チケット予約、ショッピング、情報検索などのオープンドメインタスクを完了します。RPAの代替手段として利用できます。
パーソナルプロダクティビティアシスタント：メール、カレンダー、ドキュメントなどのツールをまたいで複雑なワークフローを実行します。会議の自動設定、受信トレイの整理、レポートの作成などが可能です。
Agent研究用インフラ：学術・産業研究チームに、再現可能で低コストなAgentのトレーニング・評価プラットフォームを提供し、オープンソースAgentic AIエコシステムの発展を加速します。
ドメイン横断型Agent能力の移転：統一された環境レイヤーを使い、コード、ウェブ、デスクトップ操作間のスキル移転と累積学習を探究します。