마이크로소프트 리서치가 에이전트 AI 학습·평가용 오픈소스 프레임워크 'Orchard'를 공개했다. 핵심인 Orchard Env는 쿠버네티스 기반 재사용형 환경 서비스로, 코딩·웹 탐색·개인 비서 등 서로 다른 태스크와 Codex, OpenClaw 같은 실제 배포 하니스 안에서 직접 에이전트를 학습시킬 수 있다. 함께 공개된 Orchard-SWE는 활성 파라미터 약 30억 개 모델로 SWE-bench Verified에서 69.7%, 가치모델 리랭킹 시 73.0%를 달성해 10배 이상 큰 프론티어 시스템에 근접했고, 40억 파라미터 Orchard-GUI는 WebVoyager 74.1% 등 웹 탐색 벤치마크 평균 68.4%를 기록했다. 학습 데이터와 평가 방법까지 공개해, 소형 오픈 모델로도 강력한 에이전트를 만들 수 있는 재현 가능한 연구 기반을 제공한다는 점에서 의미가 크다.
- •쿠버네티스 기반 Orchard Env — 수천 개 격리 환경을 병렬 생성해 데이터 수집·RL 롤아웃·평가에 공용 사용
- •Codex·OpenClaw·ZeroClaw 등 실제 배포 하니스 내부에서 직접 학습해 학습-배포 불일치 해소
- •Orchard-SWE: 활성 파라미터 약 3B로 SWE-bench Verified 69.7%, 리랭킹 시 73.0%
- •Orchard-GUI(4B): WebVoyager 74.1% 등 웹 벤치마크 평균 68.4%로 최강 오픈소스 GUI 에이전트
- •Orchard-Claw: Codex 하니스 기준 학습 전 18.6% → 학습 후 51.5%로 성공률 향상
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Orchard: An open framework for scalable agentic AI
- 1.MS가 오픈소스 에이전트 학습 프레임워크 Orchard 공개, 학습 데이터·평가 방법도 함께 배포
- 2.Orchard-SWE는 활성 파라미터 약 30억으로 SWE-bench Verified 69.7%, 리랭킹 시 73% 달성
- 3.Codex·OpenClaw 등 실제 배포 하네스 안에서 직접 학습하는 Kubernetes 기반 환경 계층 제공
- 4.4B 비전모델 Orchard-GUI는 WebVoyager 74.1% 등 오픈소스 웹 에이전트 최고 성능
왜 중요한가?
에이전트 연구의 병목이던 사유 샌드박스·학습 파이프라인을 오픈소스화해, 3B급 소형 오픈모델이 10배 큰 프런티어급 성능에 근접함을 입증했다. '학습 환경과 배포 하네스의 불일치'를 없앤 설계는 오픈 에이전트 연구의 재현성 기준을 바꿀 수 있다.
본문 미리보기
Orchard is an open-source framework for the research community to train and evaluate AI agents across task types. It reduces complexity while supporting strong performance from smaller models by enabling researchers to reuse the same infrastructure. The post Orchard: An open framework for scalable agentic AI appeared first on Microsoft Research.
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:00AI 초안
