Microsoft Research ha rilasciato Orchard, un framework open source per la creazione, la formazione e la valutazione di agenti IA autonomi che, secondo la società, consente a modelli open-weight relativamente piccoli di avvicinarsi alle prestazioni dei sistemi di frontiera più di dieci volte le loro dimensioni. Il progetto, descritto in dettaglio in un post sul blog del 3 agosto 2026, rappresenta il tentativo più ambizioso dell'azienda di offrire alla comunità di ricerca più ampia il tipo di infrastruttura che, fino ad ora, è rimasta in gran parte rinchiusa all'interno di laboratori proprietari.

Il rilascio arriva mentre il settore dell’intelligenza artificiale passa da una risposta statica alle domande ad agenti in grado di pianificare, ragionare e agire in ambienti a più fasi. Per ulteriori informazioni su come il settore si sta muovendo verso i sistemi autonomi, consulta il nostro ultimo articolo sul settore dell'intelligenza artificiale.

Cos'è in realtà Orchard

Al centro del progetto c’è Orchard Env, un servizio ambientale leggero, basato su Kubernetes, che fornisce componenti riutilizzabili e isolati per l’esecuzione di agenti su larga scala. Secondo Microsoft, lo stesso servizio può supportare agenti di ingegneria del software, agenti di navigazione web e agenti di assistente personale senza modifiche. Gestisce tutto, dalla raccolta dei dati di formazione all'implementazione e alla valutazione dell'apprendimento per rinforzo.

La decisione architetturale chiave è che l'ambiente runtime viene trattato come un servizio autonomo e riutilizzabile piuttosto che come un'infrastruttura incorporata in uno specifico framework di formazione. Poiché Orchard Env si trova su Kubernetes, può creare, gestire e rimuovere migliaia di contenitori isolati in parallelo. I team possono introdurre nuovi benchmark, sistemi di agenti o algoritmi di training senza ricostruire da zero l'infrastruttura sottostante.

Allenamento all'interno di imbracature reali

Una delle caratteristiche distintive di Orchard è la sua capacità di formare gli agenti direttamente all'interno dei sistemi di distribuzione che utilizzeranno effettivamente in produzione. Gli agenti più capaci di oggi raramente funzionano come un modello semplice. Operano attraverso sofisticati cablaggi come Codex, OpenClaw e ZeroClaw che gestiscono il ragionamento multigiro, l'uso degli strumenti e le connessioni a sistemi esterni.

Gli strumenti di formazione aperti di solito non sono in grado di gestire questi cablaggi con stato e multiprocesso, costringendo i ricercatori a formarsi su uno stand-in semplificato e quindi a implementarli nel contesto reale, il che crea una discrepanza tra formazione e implementazione. Orchard colma questa lacuna: un proxy leggero registra le chiamate del modello del cablaggio come dati di addestramento mentre ogni implementazione viene eseguita nel proprio contenitore, consentendo a un agente di essere addestrato end-to-end direttamente nel cablaggio che utilizzerà in produzione.

Tre ricette specifiche del dominio

Per dimostrare l'approccio, Microsoft ha rilasciato tre flussi di lavoro di formazione.

Orchard-SWE: ingegneria del software

Orchard-SWE si rivolge a uno degli ambiti più impegnativi per gli agenti autonomi: il ragionamento in più fasi su basi di codice reali. È stato creato utilizzando il framework Mini-SWE-Agent e valutato su SWE-bench Verified, un benchmark che verifica la capacità di un modello di navigare, diagnosticare e riparare codebase reali.

Per addestrare il sistema, Microsoft ha distillato 107.000 interazioni degli agenti da due modelli open-weight avanzati, MiniMax-M2.5 e Qwen3.5-397B, che coprono un'ampia gamma di problemi di GitHub. Utilizzando una tecnica chiamata messa a punto supervisionata dell’assegnazione dei crediti, il sistema impara dalle porzioni produttive dei tentativi parziali anziché scartarli del tutto.

I risultati spostano il modello da un valore di base del 61,4% su SWE-bench Verified al 69,1% con l’apprendimento per rinforzo e al 69,7% con tecniche di ricompensa densa. Con la riclassificazione del modello di valore, la cifra raggiunge il 73,0%: un nuovo stato dell’arte tra i modelli open source di dimensioni comparabili, che utilizzano solo circa 3 miliardi di parametri attivi.

Frutteto-GUI: navigazione web

Orchard-GUI addestra un modello di linguaggio visivo da 4 miliardi di parametri come agente del browser. Nonostante l’utilizzo di una quantità relativamente piccola di supervisione – 400 dimostrazioni combinate con 2.200 attività di formazione a tempo indeterminato – il modello ha ottenuto il 74,1% su WebVoyager, il 67,0% su Online-Mind2Web e il 64,0% su DeepShop, per una media del 68,4%. Microsoft afferma che questi risultati lo collocano tra gli agenti web open source più potenti fino ad oggi.

Orchard-Claw: compiti di assistente personale

Orchard-Claw si concentra sulle attività quotidiane di produttività come leggere e scrivere e-mail, gestire calendari e cercare informazioni. Addestrato su soli 200 compiti sintetici e valutato sul benchmark Claw-Eval, ha completato il 59,6% dei compiti fino a tre tentativi, salendo al 73,9% se abbinato al più potente sistema di agenti ZeroClaw.

Perché i risultati del modello piccolo sono importanti

I numeri dei benchmark sono notevoli perché provengono da modelli con circa 3-4 miliardi di parametri attivi, molto più piccoli dei sistemi di frontiera di OpenAI, Anthropic e Google che dominano le classifiche. La tesi di Microsoft è che la giusta infrastruttura e il giusto ambiente di formazione possono colmare gran parte del divario, rendendo accessibili sistemi ad agenti capaci a ricercatori e organizzazioni che non possono permettersi di formare o eseguire i più grandi modelli proprietari.

Oltre ai modelli e ai flussi di lavoro, Microsoft ha rilasciato i dati di formazione e i metodi di valutazione utilizzati per costruirli, con l’obiettivo dichiarato di aiutare la più ampia comunità di ricerca a costruire e studiare sistemi ad agenti aperti. Il lavoro è stato guidato da Baolin Peng, Wenlin Yao, Qianhui Wu, Hao Cheng e Jianfeng Gao di Microsoft Research.

Stai al passo con l'intelligenza artificiale

Il rilascio di Orchard di Microsoft segnala che l’infrastruttura dietro l’intelligenza artificiale di frontiera sta iniziando a democratizzarsi. Leggi di più ultime notizie sull'IA e Leggi altre notizie sull'IA →