मायक्रोसॉफ्ट रिसर्चने ऑर्चर्ड, स्वायत्त एआय एजंट तयार करण्यासाठी, प्रशिक्षण देण्यासाठी आणि मूल्यांकन करण्यासाठी एक मुक्त-स्रोत फ्रेमवर्क जारी केले आहे जे कंपनी म्हणते की तुलनेने लहान ओपन-वेट मॉडेल्स त्यांच्या आकाराच्या दहापट पेक्षा जास्त फ्रंटियर सिस्टमच्या कार्यक्षमतेकडे जाऊ देते. 3 ऑगस्ट 2026 रोजी एका ब्लॉग पोस्टमध्ये तपशीलवार वर्णन केलेला हा प्रकल्प, आजपर्यंत मोठ्या प्रमाणावर मालकीच्या प्रयोगशाळांमध्ये बंद असलेल्या व्यापक संशोधन समुदायाला पायाभूत सुविधा देण्यासाठी कंपनीची सर्वात महत्त्वाकांक्षी बोली आहे.
एआय इंडस्ट्री स्थिर प्रश्न-उत्तर देण्यापासून एजंट्सकडे वळते जे बहु-स्टेप वातावरणात योजना करू शकतात, तर्क करू शकतात आणि कार्य करू शकतात. फील्ड स्वायत्त प्रणालींकडे कसे जात आहे याबद्दल अधिक माहितीसाठी, आमचे नवीनतम AI उद्योग कव्हरेज पहा.
फळबागा नेमकी काय आहे
प्रकल्पाच्या केंद्रस्थानी Orchard Env आहे, एक हलकी, Kubernetes-आधारित पर्यावरण सेवा जी मोठ्या प्रमाणावर एजंट चालवण्यासाठी पुन्हा वापरता येण्याजोगे, वेगळे घटक प्रदान करते. मायक्रोसॉफ्टच्या मते, हीच सेवा सॉफ्टवेअर-अभियांत्रिकी एजंट, वेब-ब्राउझिंग एजंट आणि वैयक्तिक-सहाय्यक एजंटना बदल न करता समर्थन देऊ शकते. हे प्रशिक्षण डेटा संकलित करण्यापासून मजबुतीकरण-शिक्षण रोलआउट्स आणि मूल्यांकनापर्यंत सर्वकाही हाताळते.
मुख्य आर्किटेक्चरल निर्णय असा आहे की रनटाइम वातावरण विशिष्ट प्रशिक्षण फ्रेमवर्कमध्ये एम्बेड केलेल्या पायाभूत सुविधांऐवजी एक स्वतंत्र, पुन्हा वापरण्यायोग्य सेवा म्हणून मानले जाते. ऑर्चर्ड एन्व्ह कुबरनेटेसवर बसल्यामुळे, ते समांतरपणे हजारो वेगळे कंटेनर तयार, व्यवस्थापित आणि काढू शकते. संघ नवीन बेंचमार्क, एजंट सिस्टम किंवा प्रशिक्षण अल्गोरिदम सादर करू शकतात, मूळ पायाभूत सुविधांची सुरवातीपासून पुनर्बांधणी न करता.
वास्तविक हार्नेसमध्ये प्रशिक्षण
ऑर्चर्डच्या विशिष्ट वैशिष्ट्यांपैकी एक म्हणजे एजंटना प्रत्यक्ष उत्पादनात वापरल्या जाणाऱ्या तैनाती हार्नेसमध्ये प्रशिक्षण देण्याची क्षमता. आजचे सर्वात सक्षम एजंट क्वचितच बेअर मॉडेल म्हणून चालतात. ते कोडेक्स, ओपनक्लॉ आणि झिरोक्लॉ सारख्या अत्याधुनिक हार्नेसद्वारे कार्य करतात जे बहु-वळण तर्क, साधन वापर आणि बाह्य प्रणालींशी कनेक्शन व्यवस्थापित करतात.
खुली प्रशिक्षण साधने सहसा या स्टेटफुल, मल्टी-प्रोसेस हार्नेसेस हाताळू शकत नाहीत, ज्यामुळे संशोधकांना सरलीकृत स्टँड-इनवर प्रशिक्षित करण्यास भाग पाडले जाते आणि नंतर वास्तविक सेटिंगमध्ये तैनात केले जाते, ज्यामुळे प्रशिक्षण आणि तैनाती यांच्यात विसंगती निर्माण होते. ऑर्चर्ड हे अंतर बंद करते: एक लाइटवेट प्रॉक्सी हार्नेसचे स्वतःचे मॉडेल कॉल प्रशिक्षण डेटा म्हणून रेकॉर्ड करते, जेव्हा प्रत्येक रोलआउट त्याच्या स्वत: च्या कंटेनरमध्ये चालतो, ज्यामुळे एजंटला उत्पादनात वापरल्या जाणाऱ्या हार्नेसमध्ये थेट एंड-टू-एंड प्रशिक्षित केले जाऊ शकते.
तीन डोमेन-विशिष्ट पाककृती
दृष्टिकोन प्रदर्शित करण्यासाठी, मायक्रोसॉफ्टने तीन प्रशिक्षण कार्यप्रवाह जारी केले.
Orchard-SWE: सॉफ्टवेअर अभियांत्रिकी
ऑर्चर्ड-एसडब्ल्यूई स्वायत्त एजंटसाठी सर्वात मागणी असलेल्या सेटिंग्जपैकी एक लक्ष्य करते: वास्तविक कोडबेसवर बहु-चरण तर्क. हे Mini-SWE-Agent फ्रेमवर्क वापरून तयार केले गेले आणि SWE-bench Verified वर मूल्यमापन केले गेले, एक बेंचमार्क जो मॉडेलच्या वास्तविक-जागतिक कोडबेसचे नेव्हिगेट, निदान आणि दुरुस्ती करण्याच्या क्षमतेची चाचणी करतो.
सिस्टमला प्रशिक्षित करण्यासाठी, मायक्रोसॉफ्टने दोन प्रगत ओपन-वेट मॉडेल्स, MiniMax-M2.5 आणि Qwen3.5-397B मधून 107,000 एजंट संवाद साधला, ज्यामध्ये GitHub समस्यांची विस्तृत श्रेणी समाविष्ट आहे. क्रेडिट-असाइनमेंट पर्यवेक्षित फाइन-ट्यूनिंग नावाच्या तंत्राचा वापर करून, सिस्टीम आंशिक प्रयत्नांच्या उत्पादक भागांपासून ते पूर्णपणे काढून टाकण्याऐवजी शिकते.
परिणाम SWE-बेंच व्हेरिफाईड वरील 61.4% बेसलाइनवरून रीइन्फोर्समेंट लर्निंगसह 69.1% आणि दाट-रिवॉर्ड तंत्रासह 69.7% वर मॉडेल हलवतात. मूल्य-मॉडेल पुनर्रँकिंगसह, आकृती 73.0% पर्यंत पोहोचते — केवळ 3 अब्ज सक्रिय पॅरामीटर्स वापरून, तुलनात्मक आकाराच्या मुक्त-स्रोत मॉडेल्समधील कलाची एक नवीन स्थिती.
Orchard-GUI: वेब नेव्हिगेशन
Orchard-GUI ब्राउझर एजंट म्हणून 4-बिलियन पॅरामीटर व्हिजन-लँग्वेज मॉडेलला प्रशिक्षण देते. तुलनेने कमी प्रमाणात पर्यवेक्षण वापरूनही - 2,200 ओपन-एंडेड प्रशिक्षण कार्यांसह 400 डिस्टिल्ड प्रात्यक्षिके - मॉडेलने WebVoyager वर 74.1%, Online-Mind2Web वर 67.0% आणि DeepShop वर 64.0%, सरासरी 68.4% मिळवले. मायक्रोसॉफ्टचे म्हणणे आहे की हे परिणाम आजपर्यंतच्या सर्वात मजबूत ओपन-सोर्स वेब एजंट्समध्ये स्थान देतात.
ऑर्चर्ड-क्लॉ: वैयक्तिक सहाय्यक कार्ये
Orchard-Claw ईमेल वाचणे आणि मसुदा तयार करणे, कॅलेंडर व्यवस्थापित करणे आणि माहिती शोधणे यासारख्या दैनंदिन उत्पादकता कार्यांवर लक्ष केंद्रित करते. केवळ 200 सिंथेटिक कामांवर प्रशिक्षित आणि क्लॉ-इव्हल बेंचमार्कवर मूल्यमापन केलेले, तीन प्रयत्नांपर्यंत दिलेली 59.6% कार्ये पूर्ण केली, मजबूत ZeroClaw एजंट प्रणालीसह जोडल्यास 73.9% पर्यंत वाढली.
लहान-मॉडेलचे निकाल महत्त्वाचे का आहेत
बेंचमार्क क्रमांक लक्षणीय आहेत कारण ते अंदाजे 3 ते 4 अब्ज सक्रिय पॅरामीटर्स असलेल्या मॉडेल्समधून आले आहेत - ओपनएआय, अँथ्रोपिक आणि Google मधील फ्रंटियर सिस्टमपेक्षा खूपच लहान आहेत जे लीडरबोर्डवर वर्चस्व गाजवतात. मायक्रोसॉफ्टचा युक्तिवाद असा आहे की योग्य प्रशिक्षण पायाभूत सुविधा आणि वातावरण हे बरेच अंतर कमी करू शकते, सक्षम एजंटिक प्रणाली संशोधक आणि संस्थांसाठी प्रवेशयोग्य बनवते ज्यांना सर्वात मोठे मालकीचे मॉडेल प्रशिक्षित करणे किंवा चालवणे परवडत नाही.
मॉडेल्स आणि वर्कफ्लोच्या बरोबरीने, मायक्रोसॉफ्टने ते तयार करण्यासाठी वापरलेले प्रशिक्षण डेटा आणि मूल्यमापन पद्धती जारी केल्या, ज्याचे उद्दिष्ट व्यापक संशोधन समुदायाला खुल्या एजंटिक प्रणाली तयार करण्यात आणि अभ्यास करण्यात मदत करण्याच्या उद्दिष्टासह आहे. या कामाचे नेतृत्व बाओलिन पेंग, वेनलिन याओ, कियानहुई वू, हाओ चेंग आणि मायक्रोसॉफ्ट रिसर्चचे जियानफेंग गाओ यांनी केले.
AI च्या पुढे रहा
मायक्रोसॉफ्टच्या ऑर्चर्ड रिलीझने असे सूचित केले आहे की फ्रंटियर एजंटिक एआयच्या मागील पायाभूत सुविधांचे लोकशाहीकरण होऊ लागले आहे. अधिक वाचा ब्रेकिंग एआय बातम्या आणि अधिक एआय बातम्या वाचा →
