Microsoft lanza Orchard, framework abierto para entrenar agentes de IA a escala
Hecho Qué ha ocurrido
Microsoft Research presenta Orchard, un framework open-source para entrenar y evaluar agentes de IA en distintos dominios (codificación, navegación web, asistentes personales) usando una infraestructura reutilizable llamada Orchard Env. El modelo Orchard-SWE alcanza 69.7% en SWE-bench Verified (73% con reranking) usando solo 3.000 millones de parámetros activos, acercándose a sistemas frontera más de 10 veces mayores. También se libera Orchard-GUI, un agente de navegación web de 4.000 millones de parámetros con 68.4% de éxito promedio en varios benchmarks.
Resumen generado mediante IA a partir de Microsoft Research (original en inglés). Naturaleza de la información: declaración de parte interesada.
Análisis Por qué importa
Democratiza la investigación en IA agéntica al permitir entrenar agentes dentro de los mismos entornos de despliegue (Codex, OpenClaw, ZeroClaw), reduciendo la brecha entre entrenamiento y producción y mostrando que modelos pequeños pueden rivalizar con los grandes.
- Quién se ve afectado
- Equipos de investigación en IA, desarrolladores de agentes autónomos y empresas que evalúan modelos open-source para tareas de ingeniería de software y automatización.
- Qué puede cambiar
- Se reduce la necesidad de infraestructura propietaria para investigar y entrenar agentes, facilitando que laboratorios más pequeños compitan con resultados cercanos al estado del arte.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Vigilar si otros laboratorios adoptan Orchard Env como estándar, y si Orchard-SWE y Orchard-GUI se integran en productos comerciales de Microsoft o terceros.
Recomendación Qué debería hacer una empresa
Los equipos de I+D en IA deberían evaluar Orchard en los próximos 6-12 meses como alternativa abierta para entrenar agentes especializados con menor coste computacional.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Fuente original: Microsoft Research (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗agentesLLMRAGcoding agentes de IAMicrosoft Researchopen sourceOrchardSWE-bench
Tu opinión
0 comentarios
Relacionadas
DeepMind lanza AlphaGenome Atlas con predicciones para 9.000 millones de variantes genéticas
Google DeepMind presentó AlphaGenome Atlas, una plataforma con predicciones precomputadas del efecto molecular de 9.000 millones de posibles variantes de una…
Por qué importaEs un ejemplo de cómo la IA puede acelerar drásticamente la investigación biomédica al hacer computacionalmente accesible algo antes inviable…
DeepMind lanza el Atlas AlphaGenome con predicciones de 9.000 millones de variantes de ADN
Google DeepMind anunció el 8 de septiembre el AlphaGenome Atlas, un repositorio público con predicciones precalculadas para las 9.000 millones de posibles…
Por qué importaReduce drásticamente la barrera técnica y computacional para investigar el efecto de variantes genéticas en la regulación génica, acelerando…
Google DeepMind presenta AlphaGenome Atlas, base de datos con predicciones de 9 mil millones de variantes genéticas
Google DeepMind ha lanzado AlphaGenome Atlas, una base de datos que predice los efectos de todas las posibles variaciones de un único nucleótido en el genoma…
Por qué importaAcelera dramáticamente el descubrimiento científico en genómica y medicina personalizada al proporcionar acceso inmediato a predicciones sobre el 98%…
Google DeepMind lanza AlphaGenome Atlas, mapa gratuito del genoma humano con IA
Google DeepMind ha presentado AlphaGenome Atlas, una plataforma web gratuita que cataloga predicciones de impacto de mutaciones en todo el genoma humano…
Por qué importaFacilita a investigadores y empresas biotecnológicas priorizar qué mutaciones estudiar entre miles de millones de posibilidades, acelerando…