Microsoft Research telah merilis Orchard, sebuah kerangka kerja sumber terbuka untuk membangun, melatih, dan mengevaluasi agen AI otonom yang menurut perusahaan memungkinkan model open-weight yang relatif kecil mendekati kinerja sistem frontier yang sepuluh kali lipat lebih besar dari ukurannya. Proyek tersebut, yang dirinci dalam postingan blog pada tanggal 3 Agustus 2026, merupakan upaya perusahaan yang paling ambisius untuk memberikan komunitas riset yang lebih luas jenis infrastruktur yang, hingga saat ini, sebagian besar masih terkunci di dalam laboratorium milik perusahaan.
Rilis ini hadir ketika industri AI beralih dari menjawab pertanyaan statis ke agen yang dapat merencanakan, memberi alasan, dan bertindak di lingkungan multi-langkah. Untuk mengetahui lebih lanjut tentang bagaimana bidang ini bergerak menuju sistem otonom, lihat liputan industri AI terbaru.
Apa sebenarnya Orchard itu
Inti dari proyek ini adalah Orchard Env, layanan lingkungan ringan berbasis Kubernetes yang menyediakan komponen terisolasi dan dapat digunakan kembali untuk menjalankan agen dalam skala besar. Menurut Microsoft, layanan yang sama dapat mendukung agen rekayasa perangkat lunak, agen penjelajahan web, dan agen asisten pribadi tanpa modifikasi. Ini menangani segalanya mulai dari pengumpulan data pelatihan hingga peluncuran dan evaluasi pembelajaran penguatan.
Keputusan arsitektur utama adalah bahwa lingkungan runtime diperlakukan sebagai layanan yang berdiri sendiri dan dapat digunakan kembali, bukan sebagai infrastruktur yang tertanam dalam kerangka pelatihan tertentu. Karena Orchard Env berada di Kubernetes, Orchard Env dapat membuat, mengelola, dan menghapus ribuan container terisolasi secara paralel. Tim dapat memperkenalkan tolok ukur baru, sistem agen, atau algoritme pelatihan tanpa membangun kembali infrastruktur dasar dari awal.
Pelatihan di dalam tali pengaman yang sebenarnya
Salah satu fitur Orchard yang membedakan adalah kemampuannya untuk melatih agen secara langsung di dalam penerapan yang akan mereka gunakan dalam produksi. Agen yang paling cakap saat ini jarang sekali bertindak sebagai model. Mereka beroperasi melalui pemanfaatan canggih seperti Codex, OpenClaw, dan ZeroClaw yang mengelola penalaran multi-putaran, penggunaan alat, dan koneksi ke sistem eksternal.
Alat pelatihan terbuka biasanya tidak dapat menangani pemanfaatan multi-proses yang bersifat stateful ini, sehingga memaksa peneliti untuk berlatih dengan cara yang disederhanakan dan kemudian menerapkannya di lingkungan nyata, sehingga menciptakan ketidaksesuaian antara pelatihan dan penerapan. Orchard menutup kesenjangan ini: proxy yang ringan mencatat panggilan model harness itu sendiri sebagai data pelatihan sementara setiap peluncuran berjalan dalam wadahnya sendiri, memungkinkan agen untuk dilatih secara end-to-end secara langsung dalam harness yang akan digunakan dalam produksi.
Tiga resep khusus domain
Untuk mendemonstrasikan pendekatan ini, Microsoft merilis tiga alur kerja pelatihan.
Orchard-SWE: rekayasa perangkat lunak
Orchard-SWE menargetkan salah satu pengaturan yang paling menuntut untuk agen otonom: penalaran multi-langkah pada basis kode nyata. Model ini dibuat menggunakan kerangka kerja Mini-SWE-Agent dan dievaluasi pada SWE-bench Verified, sebuah tolok ukur yang menguji kemampuan model untuk menavigasi, mendiagnosis, dan memperbaiki basis kode dunia nyata.
Untuk melatih sistem, Microsoft menyaring 107.000 interaksi agen dari dua model open-weight tingkat lanjut, MiniMax-M2.5 dan Qwen3.5-397B, yang mencakup berbagai masalah GitHub. Dengan menggunakan teknik yang disebut penyesuaian penugasan kredit yang diawasi, sistem belajar dari bagian produktif dari upaya parsial daripada membuangnya seluruhnya.
Hasilnya mengubah model dari baseline 61,4% di SWE-bench Verified menjadi 69,1% dengan pembelajaran penguatan, dan 69,7% dengan teknik imbalan padat. Dengan pemeringkatan ulang model nilai, angkanya mencapai 73,0% — sebuah kecanggihan baru di antara model sumber terbuka dengan ukuran yang sebanding, hanya menggunakan sekitar 3 miliar parameter aktif.
Orchard-GUI: navigasi web
Orchard-GUI melatih model bahasa visi dengan 4 miliar parameter sebagai agen browser. Meskipun menggunakan jumlah pengawasan yang relatif kecil — 400 demonstrasi tersaring dikombinasikan dengan 2.200 tugas pelatihan terbuka — model ini mencapai 74,1% di WebVoyager, 67,0% di Online-Mind2Web, dan 64,0% di DeepShop, dengan rata-rata 68,4%. Microsoft mengatakan hasil ini menempatkannya di antara agen web sumber terbuka terkuat hingga saat ini.
Orchard-Claw: tugas asisten pribadi
Orchard-Claw berfokus pada tugas produktivitas sehari-hari seperti membaca dan menyusun email, mengelola kalender, dan mencari informasi. Dilatih hanya pada 200 tugas sintetis dan dievaluasi pada benchmark Claw-Eval, ia menyelesaikan 59,6% tugas yang diberikan hingga tiga kali percobaan, meningkat menjadi 73,9% ketika dipasangkan dengan sistem agen ZeroClaw yang lebih kuat.
Mengapa hasil model kecil penting
Angka benchmark ini penting karena berasal dari model dengan sekitar 3 hingga 4 miliar parameter aktif — jauh lebih kecil dibandingkan sistem frontier dari OpenAI, Anthropic, dan Google yang mendominasi papan peringkat. Argumen Microsoft adalah bahwa infrastruktur dan lingkungan pelatihan yang tepat dapat menutup kesenjangan tersebut, membuat sistem agen yang mumpuni dapat diakses oleh para peneliti dan organisasi yang tidak mampu untuk melatih atau menjalankan model kepemilikan terbesar.
Bersamaan dengan model dan alur kerja, Microsoft merilis data pelatihan dan metode evaluasi yang digunakan untuk membangunnya, dengan tujuan membantu komunitas riset yang lebih luas membangun dan mempelajari sistem agen terbuka. Pekerjaan ini dipimpin oleh Baolin Peng, Wenlin Yao, Qianhui Wu, Hao Cheng, dan Jianfeng Gao dari Microsoft Research.
Tetap Terdepan dalam AI
Rilis Orchard dari Microsoft menandakan bahwa infrastruktur di balik AI agen perbatasan mulai mengalami demokratisasi. Baca selengkapnya berita AI terkini dan Baca berita AI selengkapnya →
