米MS、エージェントAI基盤『Orchard』をOSS公開 小型モデルで高精度

発表の概要

米Microsoft Researchは2026年8月3日、エージェントAI研究向けのオープンソースフレームワーク『Orchard』を公開した。エージェントは、複数段階の作業を計画・推論しながら自律的に実行するAIシステムで、コードのバグ修正やWeb操作、カレンダーやメールの管理といったタスクを担う。Orchardはこうしたエージェントの訓練と評価に必要な実行環境を、『Orchard Env』として再利用可能な形で提供する。

公開にあわせて、ソフトウェア工学向けのOrchard-SWE、Webナビゲーション向けのOrchard-GUI、パーソナルアシスタント向けのOrchard-Clawという3つの訓練レシピと、それらの訓練データ・評価方法も公開された。クローズドな独自基盤ではなく、研究コミュニティ全体が再現・拡張できる形を目指しているとみられる。

再利用可能な環境層

Orchardの中心的な考え方は、実行環境を特定の訓練フレームワークに組み込むのではなく、独立したサービスとして切り出すことだ。Orchard EnvはKubernetesを基盤として、数千の分離されたコンポーネントを並列に生成・管理できる。新しいベンチマークやエージェントシステムを導入する際も、基盤インフラをゼロから作り直す必要がない。

もう一つの特徴は、実際のデプロイ環境である『ハーネス』内で直接訓練できることだ。Claude CodeやCodex、OpenClawといった運用向けハーネスは、複数回の推論やツール利用を管理する。従来のオープンな訓練ツールではこうした状態を持つ複数プロセスの処理が難しく、簡略化した環境で訓練した後に実環境へ移すというミスマッチがあった。Orchardは軽量プロキシがハーネスのモデル呼び出しを記録し、各ロールアウトをコンテナ内で実行することで、このギャップを埋める。

3つの領域別レシピ

Orchard-SWEは、GitHub Issueの解決を自律的に行うソフトウェア工学エージェントの訓練ワークフローだ。MiniMax-M2.5とQwen3.5-397Bという2つのオープンウェイトモデルから蒸留した10万7,000件のエージェント行動を学習に用いる。失敗した試行の生産的な部分も学習に活用する信用割当型の教師あり微調整や、強化学習の報酬を補完する手法を組み合わせ、SWE-bench Verifiedで69.7%を達成した。価値モデルによる再ランキングを加えると73.0%となり、約30億のアクティブパラメータで10倍以上大きいフロンティアモデルに迫る。

Orchard-GUIは40億パラメータの視覚言語モデルをブラウザエージェントとして訓練し、400件の蒸留デモと2,200件のタスクという比較的少ないデータで、WebVoyager 74.1%、Online-Mind2Web 67.0%、DeepShop 64.0%を記録した。Orchard-Clawは200件の合成タスクでパーソナルアシスタント向けエージェントを訓練し、Claw-Evalで59.6%を達成する。より強力なZeroClawと組み合わせた場合は73.9%に向上し、Codexハーネスでは訓練前の18.6%から51.5%へと成功率が改善した。

既存手法との位置づけ

従来のエージェントAI研究では、カスタムのサンドボックスやクローズドな訓練パイプライン、プロプライエタリなデータセットが必要になることが多く、再現性が課題だった。Orchardはこれらをオープンかつ軽量な形で提供し、誰でも同じ環境で訓練・評価を行えるようにする。特に、実運用ハーネス内で訓練できる点は、研究とデプロイの乖離を縮める意味で新しいとみられる。

記事は、Orchardの結果が『環境層の重要性』を裏付けるものだと説明している。小規模なオープンモデルでも、適切な環境と訓練手法があれば複雑な実世界タスクで強い結果を出せる可能性が示された。もっとも、これらの数値は特定のベンチマーク環境でのものであり、実務での再現性や汎用性は今後の検証が待たれる。

展望と注意点

Orchardの今後の方向性として、記事は『累積的なエージェント学習』を挙げている。訓練のたびに破棄される軌跡を永続的な資産として扱い、価値モデルなどに蒸留することで、次世代のエージェントが前の世代の知識を引き継げるようにする構想だ。また、Orchard-GUIのデータ効率の高さは、Webエージェントの大規模訓練に手動作成データを大量に必要としない可能性を示唆している。

一方で、公開されたモデルやデータの具体的な利用条件や、訓練に必要な計算資源など、運用面の詳細は記事では明らかにされていない。導入を検討する場合は、公式リポジトリやドキュメントで要件を確認し、自社のユースケースで検証する必要がある。