माइक्रोसॉफ्ट रिसर्च ने स्वायत्त एआई एजेंटों के निर्माण, प्रशिक्षण और मूल्यांकन के लिए एक ओपन-सोर्स फ्रेमवर्क ऑर्चर्ड जारी किया है, कंपनी का कहना है कि यह अपेक्षाकृत छोटे ओपन-वेट मॉडल को उनके आकार से दस गुना से अधिक फ्रंटियर सिस्टम के प्रदर्शन तक पहुंचने देता है। 3 अगस्त, 2026 को एक ब्लॉग पोस्ट में विस्तृत परियोजना, व्यापक अनुसंधान समुदाय को उस तरह का बुनियादी ढांचा देने के लिए कंपनी की अब तक की सबसे महत्वाकांक्षी बोली है, जो अब तक काफी हद तक मालिकाना प्रयोगशालाओं के अंदर ही बंद है।
रिलीज तब हुई जब एआई उद्योग स्थिर प्रश्न-उत्तर से उन एजेंटों की ओर स्थानांतरित हो गया जो योजना बना सकते हैं, तर्क कर सकते हैं और मल्टीस्टेप वातावरण में कार्य कर सकते हैं। यह क्षेत्र स्वायत्त प्रणालियों की ओर कैसे बढ़ रहा है, इस बारे में अधिक जानकारी के लिए हमारा नवीनतम एआई उद्योग कवरेज देखें।
वास्तव में बाग क्या है
परियोजना के केंद्र में ऑर्चर्ड एनवी है, जो एक हल्की, कुबेरनेट्स-आधारित पर्यावरण सेवा है जो बड़े पैमाने पर एजेंटों को चलाने के लिए पुन: प्रयोज्य, पृथक घटक प्रदान करती है। माइक्रोसॉफ्ट के अनुसार, एक ही सेवा बिना किसी संशोधन के सॉफ्टवेयर-इंजीनियरिंग एजेंटों, वेब-ब्राउजिंग एजेंटों और व्यक्तिगत-सहायक एजेंटों का समर्थन कर सकती है। यह प्रशिक्षण डेटा एकत्र करने से लेकर सुदृढीकरण-शिक्षण रोलआउट और मूल्यांकन तक सब कुछ संभालता है।
मुख्य वास्तुशिल्प निर्णय यह है कि रनटाइम वातावरण को एक विशिष्ट प्रशिक्षण ढांचे के अंदर एम्बेडेड बुनियादी ढांचे के बजाय एक स्टैंडअलोन, पुन: प्रयोज्य सेवा के रूप में माना जाता है। क्योंकि ऑर्चर्ड एनवी कुबेरनेट्स पर बैठता है, यह समानांतर में हजारों अलग-अलग कंटेनर बना सकता है, प्रबंधित कर सकता है और हटा सकता है। टीमें अंतर्निहित बुनियादी ढांचे को फिर से शुरू किए बिना नए बेंचमार्क, एजेंट सिस्टम या प्रशिक्षण एल्गोरिदम पेश कर सकती हैं।
वास्तविक हार्नेस के अंदर प्रशिक्षण
ऑर्चर्ड की विशिष्ट विशेषताओं में से एक एजेंटों को सीधे तैनाती हार्नेस के अंदर प्रशिक्षित करने की क्षमता है जो वे वास्तव में उत्पादन में उपयोग करेंगे। आज के सबसे सक्षम एजेंट शायद ही कभी नंगे मॉडल के रूप में काम करते हैं। वे कोडेक्स, ओपनक्लॉ और ज़ीरोक्लॉ जैसे परिष्कृत हार्नेस के माध्यम से काम करते हैं जो मल्टी-टर्न रीजनिंग, टूल उपयोग और बाहरी सिस्टम से कनेक्शन का प्रबंधन करते हैं।
खुले प्रशिक्षण उपकरण आमतौर पर इन स्टेटफुल, मल्टी-प्रोसेस हार्नेस को संभाल नहीं सकते हैं, जिससे शोधकर्ताओं को सरलीकृत स्टैंड-इन पर प्रशिक्षण देने और फिर वास्तविक सेटिंग में तैनात करने के लिए मजबूर होना पड़ता है, जो प्रशिक्षण और तैनाती के बीच एक बेमेल बनाता है। ऑर्चर्ड इस अंतर को बंद कर देता है: एक हल्का प्रॉक्सी हार्नेस के अपने मॉडल कॉल को प्रशिक्षण डेटा के रूप में रिकॉर्ड करता है, जबकि प्रत्येक रोलआउट अपने स्वयं के कंटेनर में चलता है, जिससे एक एजेंट को हार्नेस में सीधे एंड-टू-एंड प्रशिक्षित करने की अनुमति मिलती है, जिसका वह उत्पादन में उपयोग करेगा।
तीन डोमेन-विशिष्ट व्यंजन
दृष्टिकोण प्रदर्शित करने के लिए, Microsoft ने तीन प्रशिक्षण वर्कफ़्लो जारी किए।
ऑर्चर्ड-एसडब्ल्यूई: सॉफ्टवेयर इंजीनियरिंग
ऑर्चर्ड-एसडब्ल्यूई स्वायत्त एजेंटों के लिए सबसे अधिक मांग वाली सेटिंग्स में से एक को लक्षित करता है: वास्तविक कोडबेस पर बहु-चरणीय तर्क। इसे मिनी-एसडब्ल्यूई-एजेंट ढांचे का उपयोग करके बनाया गया था और एसडब्ल्यूई-बेंच सत्यापित पर मूल्यांकन किया गया था, एक बेंचमार्क जो वास्तविक दुनिया कोडबेस को नेविगेट करने, निदान करने और मरम्मत करने की मॉडल की क्षमता का परीक्षण करता है।
सिस्टम को प्रशिक्षित करने के लिए, Microsoft ने GitHub मुद्दों की एक विस्तृत श्रृंखला को कवर करते हुए, दो उन्नत ओपन-वेट मॉडल, MiniMax-M2.5 और Qwen3.5-397B से 107,000 एजेंट इंटरैक्शन को डिस्टिल्ड किया। क्रेडिट-असाइनमेंट सुपरवाइज्ड फाइन-ट्यूनिंग नामक तकनीक का उपयोग करके, सिस्टम आंशिक प्रयासों के उत्पादक भागों को पूरी तरह से त्यागने के बजाय उनसे सीखता है।
परिणाम मॉडल को एसडब्ल्यूई-बेंच सत्यापित पर 61.4% बेसलाइन से सुदृढीकरण सीखने के साथ 69.1% और सघन-इनाम तकनीकों के साथ 69.7% तक ले जाते हैं। मूल्य-मॉडल पुनर्रैंकिंग के साथ, यह आंकड़ा 73.0% तक पहुंच जाता है - तुलनीय आकार के ओपन-सोर्स मॉडल के बीच कला की एक नई स्थिति, केवल 3 बिलियन सक्रिय मापदंडों का उपयोग करते हुए।
ऑर्चर्ड-जीयूआई: वेब नेविगेशन
ऑर्चर्ड-जीयूआई एक ब्राउज़र एजेंट के रूप में 4-बिलियन-पैरामीटर विज़न-भाषा मॉडल को प्रशिक्षित करता है। अपेक्षाकृत कम मात्रा में पर्यवेक्षण का उपयोग करने के बावजूद - 2,200 ओपन-एंडेड प्रशिक्षण कार्यों के साथ संयुक्त 400 आसुत प्रदर्शन - मॉडल ने वेबवॉयेजर पर 74.1%, ऑनलाइन-माइंड2वेब पर 67.0% और डीपशॉप पर 64.0%, औसतन 68.4% हासिल किया। माइक्रोसॉफ्ट का कहना है कि ये परिणाम उसे अब तक के सबसे मजबूत ओपन-सोर्स वेब एजेंटों में से एक बनाते हैं।
ऑर्चर्ड-क्लॉ: निजी सहायक कार्य
ऑर्चर्ड-क्लॉ ईमेल पढ़ने और प्रारूपित करने, कैलेंडर प्रबंधित करने और जानकारी खोजने जैसे रोजमर्रा के उत्पादकता कार्यों पर ध्यान केंद्रित करता है। केवल 200 सिंथेटिक कार्यों पर प्रशिक्षित और क्लॉ-एवल बेंचमार्क पर मूल्यांकन किया गया, इसने तीन प्रयासों तक दिए गए 59.6% कार्यों को पूरा किया, जो मजबूत ज़ीरोक्लॉ एजेंट सिस्टम के साथ जोड़े जाने पर 73.9% तक बढ़ गया।
छोटे मॉडल के परिणाम क्यों मायने रखते हैं
बेंचमार्क संख्याएँ उल्लेखनीय हैं क्योंकि वे लगभग 3 से 4 बिलियन सक्रिय मापदंडों वाले मॉडल से आते हैं - ओपनएआई, एंथ्रोपिक और Google के फ्रंटियर सिस्टम से बहुत छोटे जो लीडरबोर्ड पर हावी हैं। माइक्रोसॉफ्ट का तर्क यह है कि सही प्रशिक्षण अवसंरचना और वातावरण काफी अंतर को पाट सकता है, जिससे सक्षम एजेंट सिस्टम उन शोधकर्ताओं और संगठनों के लिए सुलभ हो जाएगा जो सबसे बड़े मालिकाना मॉडल को प्रशिक्षित करने या चलाने का जोखिम नहीं उठा सकते हैं।
मॉडल और वर्कफ़्लो के साथ-साथ, Microsoft ने व्यापक अनुसंधान समुदाय को ओपन एजेंटिक सिस्टम बनाने और अध्ययन करने में मदद करने के घोषित लक्ष्य के साथ, उन्हें बनाने के लिए उपयोग किए जाने वाले प्रशिक्षण डेटा और मूल्यांकन विधियों को जारी किया। इस काम का नेतृत्व माइक्रोसॉफ्ट रिसर्च के बाओलिन पेंग, वेनलिन याओ, कियानहुई वू, हाओ चेंग और जियानफेंग गाओ ने किया था।
एआई से आगे रहें
माइक्रोसॉफ्ट के ऑर्चर्ड रिलीज से संकेत मिलता है कि फ्रंटियर एजेंटिक एआई के पीछे का बुनियादी ढांचा लोकतांत्रिक होने लगा है। अधिक पढ़ें ब्रेकिंग एआई समाचार और अधिक AI समाचार पढ़ें →
