让小模型也能胜任复杂智能体任务

当前 AI 研究正快速从静态问答转向能够规划、推理并在多步骤环境中自主行动的智能体系统。这类系统可以修复复杂代码库中的漏洞、代替用户浏览网页，或管理涉及日历和邮件的工作流。然而，构建顶尖智能体系统往往依赖专有沙箱、封闭训练流水线和私有数据集，大多数研究者和从业者难以获取或复现，形成了明显的研究瓶颈。

为填补这一空白，微软研究院推出 Orchard 开源框架。其核心组件 Orchard Env 是一个基于 Kubernetes 的轻量级环境服务，能够并行创建、管理和销毁数千个隔离容器，覆盖数据蒸馏、强化学习推演和评估等训练全流程。与现有框架不同，Orchard Env 无需修改即可支持编程、网页浏览、工具调用等不同任务类型，以及多种智能体系统，使研究团队在引入新基准或训练算法时无需从头重建底层基础设施。

Orchard 的另一项关键创新是支持在真实部署框架中进行端到端训练。当前最强大的智能体并非以裸模型运行，而是通过 Claude Code、Codex、OpenClaw 等复杂框架管理多轮推理、工具调用和外部系统连接。Orchard 通过轻量级代理记录框架自身的模型调用作为训练数据，每次推演在独立容器中运行，从而让模型直接在最终部署的框架中完成训练，彻底消除训练与部署环境不一致的问题。

在软件工程领域，Orchard-SWE 基于 Mini-SWE-Agent 框架构建，从 MiniMax-M2.5 和 Qwen3.5-397B 两个先进开放权重模型中蒸馏了 10.7 万条智能体交互数据，覆盖大量真实 GitHub Issue。训练过程采用信用分配监督微调方法，即便智能体未能完全解决问题，系统也会从部分成功的尝试中提取有价值的训练信号，有效扩充了可用训练数据的规模。

最终，Orchard-SWE 仅使用约 30 亿活跃参数，便在 SWE-bench Verified 基准上达到 69.7% 的成绩，引入价值模型重排序后进一步提升至 73.0%，接近参数量超出十倍的前沿闭源系统。Orchard-GUI 和 Orchard-Claw 则分别针对图形界面操作和工具调用场景，同样验证了小型开放权重模型在复杂真实任务中的强劲表现。

微软研究院在发布 Orchard 框架的同时，一并开放了训练数据和评估方法，希望帮助更广泛的研究社区构建和研究开放智能体系统。Orchard 的整体设计理念是将运行时环境作为独立可复用的服务，而非嵌入特定训练框架的专属基础设施，这一思路有望推动智能体 AI 研究走向更加开放、可复现的新阶段。

要点

• Orchard Env 基于 Kubernetes 构建，可并行管理数千个隔离容器，无需修改即可跨任务类型和智能体系统复用，大幅降低研究基础设施成本。
• Orchard 支持在 Codex、OpenClaw、ZeroClaw 等真实部署框架中直接进行端到端训练，消除训练与部署环境不一致带来的性能落差。
• Orchard-SWE 仅凭约 30 亿活跃参数在 SWE-bench Verified 上达到 69.7%（重排序后 73.0%），证明小型开放权重模型可逼近参数量超出十倍的前沿系统。
• 信用分配监督微调方法从部分成功的失败尝试中提取训练信号，有效扩充了可用训练数据，是提升小模型性能的关键技术手段。
• 框架同步开放训练数据和评估方法，旨在推动智能体 AI 研究走向更开放、可复现的生态。