Navegar por esta matéria
Agentes de IA precisam de mais do que um modelo que responde textos. Para aprender a corrigir um programa, navegar em páginas ou organizar tarefas, eles dependem de ambientes seguros, ferramentas, dados de treinamento e formas confiáveis de avaliação. O Orchard tenta reunir essas peças em uma base aberta, reduzindo a necessidade de cada equipe construir toda a infraestrutura do zero.
O que é o Orchard?
O Orchard é uma estrutura de pesquisa criada pela Microsoft para desenvolver agentes capazes de agir em tarefas com várias etapas. Seu núcleo, o Orchard Env, gerencia ambientes isolados onde cada tentativa pode executar comandos, acessar arquivos e usar ferramentas sob controle.
A infraestrutura foi projetada sobre Kubernetes para criar e remover muitos ambientes em paralelo. O mesmo serviço pode atender diferentes modelos, tarefas e etapas de treinamento sem ser refeito para cada experimento.
Que tipos de agentes podem ser treinados?
A Microsoft apresentou três exemplos. Orchard-SWE trabalha com correção de problemas em código; Orchard-GUI treina agentes que interpretam páginas e navegam na web; Orchard-Claw aborda e-mail, calendário, busca e outras tarefas de produtividade.
Esses exemplos não limitam o framework. A camada de ambiente pode ser adaptada a áreas como desktop, dispositivos móveis e fluxos com APIs, desde que os responsáveis definam ferramentas, permissões e critérios de avaliação.
Por que treinar dentro do ambiente real importa?
Muitos projetos treinam um modelo em uma simulação simplificada e depois o colocam em um sistema mais complexo. Essa diferença pode reduzir a confiabilidade porque o agente não praticou com as mesmas ferramentas e etapas usadas na implantação.
O Orchard registra interações feitas dentro de estruturas reais de agentes e transforma essas tentativas em dados. Segundo a Microsoft, isso permite treinar diretamente em sistemas como Codex, OpenClaw e ZeroClaw.
O que os testes mostraram?
No SWE-bench Verified, o Orchard-SWE chegou a 69,7% e alcançou 73% quando um modelo de valor foi usado para escolher entre soluções. A pesquisa destaca que o modelo possui cerca de 3 bilhões de parâmetros ativos, menor que sistemas de fronteira usados na comparação.
O Orchard-GUI obteve média de 68,4% em três testes de navegação. Já o Orchard-Claw passou de 18,6% para 51,5% no ambiente Codex depois do treinamento descrito pela equipe. Benchmarks ajudam a comparar métodos, mas não garantem desempenho igual em qualquer tarefa real.
O projeto é realmente aberto?
A Microsoft disponibilizou o framework, receitas de treinamento, conjuntos de dados e métodos de avaliação. Isso permite que pesquisadores estudem os componentes, reproduzam partes do trabalho e adaptem o sistema.
Código aberto não significa execução gratuita ou simples. Treinar agentes em escala ainda exige modelos, armazenamento, computadores, configuração de Kubernetes e cuidados de segurança, o que pode ficar fora do alcance de usuários iniciantes.
Quais cuidados são necessários?
Um agente capaz de executar comandos ou navegar precisa operar com permissões mínimas, dados de teste e ambientes descartáveis. Conectar contas reais, credenciais ou arquivos importantes sem isolamento aumenta o risco de ações erradas e vazamento.
Os números divulgados devem ser vistos como resultados de pesquisa. Antes de uso empresarial, equipes precisam avaliar segurança, custo, privacidade, taxa de erro, supervisão humana e regras para interromper a execução.
Perguntas e respostas
Respostas diretas para as dúvidas mais pesquisadas sobre este tema.
Orchard é um novo chatbot da Microsoft?
Não. É uma infraestrutura aberta para pesquisadores e desenvolvedores treinarem e avaliarem agentes de IA.
O Orchard funciona apenas para programação?
Não. A Microsoft demonstrou usos em código, navegação na web e tarefas de produtividade.
Modelos menores podem ter bom desempenho?
Os experimentos mostram resultados competitivos em benchmarks específicos, mas isso não garante desempenho igual em toda tarefa real.
Qualquer pessoa consegue usar o projeto?
O código é aberto, porém a configuração exige conhecimento técnico e recursos de computação, especialmente para treinamento em escala.
Continue pesquisando
Os links abaixo levam às fontes usadas para conferir as informações deste artigo.