Agent 训练一直有个矛盾：闭源系统效果好但代码不公开，开源框架灵活但主要停留在编排和评测层面，缺乏可扩展的训练能力。微软研究院在 5 月 14 日提交的 Orchard 论文试图弥合这个鸿沟。
核心思路：轻量环境层
Orchard 的核心是 Orchard Env——一个轻量级的环境服务，提供跨任务域可复用的沙箱生命周期管理原语。它不绑任何特定框架，agnostic 到可以支撑不同类型的 Agent 训练。
在这个环境层之上，Orchard 构建了三套 Agent 训练配方（recipe），分别覆盖代码 Agent、GUI Agent 和个人助手。
Orchard-SWE：67.5% 的 SWE-bench Verified
这是最硬核的部分。团队从 MiniMax-M2.5 和 Qwen3.5-397B 蒸馏出 10.7 万条轨迹，引入了一个叫做 credit-assignment SFT 的技术——从未解决的轨迹中学习有用的中间片段。再配合 Balanced Adaptive Rollout 做强化学习。
结果：基于 Qwen3-30B-A3B-Thinking，SFT 后 SWE-bench Verified 达到 64.3%，加上 RL 后达到 67.5%——同等尺寸开源模型的新 SOTA。
Orchard-GUI：400 条轨迹就够了
一个 4B 参数的视觉语言模型，只用了 400 条蒸馏轨迹和 2200 个开放任务，就在 WebVoyager 上达到 74.1%、Online-Mind2Web 达到 67.0%——开源模型最强，同时能和闭源系统竞争。
Orchard-Claw：个人助手
仅用 200 条合成任务训练，在 Claw-Eval 上达到 59.6% pass@3，配合 ZeroClaw harness 后达到 73.9%。
意义
Orchard 证明了：一个轻量、开源、harness-agnostic 的环境层可以让 Agent 数据、训练配方和评估在不同领域间复用。对于想做 Agent 训练但没有闭源基础设施的团队来说，这是目前开源社区最完整的方案之一。