Lo que Orchard separa en realidad
Microsoft Research publicó Orchard el 4 de agosto de 2026 como un marco de código abierto para el modelado agéntico, y lo describió en una entrada de su blog como una forma de separar la gestión del ciclo de vida del sandbox de la canalización de entrenamiento que se usa para construir agentes de IA. La distinción importa porque entrenar a un agente para programar, navegar o usar herramientas bien exige ejecutarlo repetidamente dentro de algo que se comporte como su entorno real de despliegue, no un sustituto simplificado.
Antes de Orchard, un equipo que quisiera entrenar así a un agente normalmente tenía que construir esa capa de sandbox y evaluación por su cuenta, proyecto por proyecto, o pagar a un proveedor gestionado para que lo hiciera. El servicio central de sandbox de Microsoft Research está pensado en cambio para reutilizarse entre proyectos, que es justo la parte del lanzamiento dirigida a los equipos que hoy duplican ese trabajo de infraestructura internamente.
La factura del sandbox cae aproximadamente diez veces
Microsoft Research informó que el servicio central de sandbox de Orchard cuesta aproximadamente una décima parte de alternativas gestionadas como E2B o Daytona cuando se despliega sobre instancias spot. La infraestructura de sandbox, no el cómputo de entrenamiento del modelo, se ha convertido silenciosamente en una de las partidas mayores para los equipos que hacen que sus agentes actúen en entornos reales, porque cada ejecución de entrenamiento y cada evaluación necesita su propia copia aislada y desechable de ese entorno.
Una reducción de diez veces en esa partida concreta no hace gratis el desarrollo de agentes, pero sí cambia qué proyectos superan el umbral del presupuesto de ingeniería de un equipo. Trabajo que antes no justificaba construir o alquilar infraestructura de sandbox dedicada ahora plausiblemente lo hace, sobre todo para agentes más estrechos y específicos de una tarea en lugar de agentes de uso general.
Un modelo de 3.000 millones de parámetros logra resultados normalmente ligados a diez veces más
El artículo técnico que acompaña al lanzamiento, 'Orchard: An Open-Source Agentic Modeling Framework', informa que un modelo entrenado con él, llamado Orchard-SWE, alcanza el 69,7% en SWE-bench Verified, y el 73% con reordenamiento aplicado, usando solo unos 3.000 millones de parámetros activos. Esas puntuaciones suelen asociarse, según el artículo, a modelos aproximadamente diez veces más grandes, y la afirmación ha sido repetida de forma independiente por AIBusiness y EdTechInnovationHub.
El número de parámetros es aquí el dato operativamente más interesante, más que la propia puntuación del benchmark. SWE-bench Verified mide si un modelo puede resolver problemas de software reales de principio a fin, y que un modelo de 3.000 millones de parámetros activos alcance una puntuación normalmente reservada a sistemas mucho más grandes sugiere que el método de entrenamiento y el realismo del sandbox, no la escala en bruto, produjeron el resultado.
La decisión real para los compradores de la UE y el Reino Unido
Toda empresa que hoy paga tarifas por tarea a un proveedor de vanguardia como OpenAI o Anthropic para trabajo de agentes, o que paga por infraestructura de sandbox gestionada de un proveedor como E2B o Daytona para construir un agente propio, tiene ahora un camino creíble, gratuito y autohospedable para entrenar en su lugar un agente más estrecho, más barato y hecho a medida. Se trata de un cambio genuino en las opciones disponibles, no marginal.
No es, sin embargo, un cambio de pagar a no pagar. El código abierto traslada aquí el coste de una partida medida en la factura de un proveedor a una carga de ingeniería y operaciones dentro de la propia empresa, y a la nube en la que realmente se ejecuta el entrenamiento, con frecuencia el propio Azure de Microsoft, porque Microsoft construyó el marco. La decisión real que enfrenta un comprador es una comparación genuina entre construir, alquilar o quedar atado a un nuevo proveedor en coste total y capacidad, no un giro reflejo hacia lo que se etiqueta como gratuito.
Por qué 3.000 millones de parámetros activos cambian el cálculo
La lección operativa del resultado del benchmark no es que Microsoft tenga hoy el mejor agente de código disponible. Es que un agente entrenado de forma estrecha y cuidada puede igualar a un modelo general mucho más grande en una tarea concreta, con una fracción de los parámetros activos y, según la afirmación de coste de Microsoft Research, con una fracción del gasto en sandbox necesario para entrenarlo. Eso cambia el cálculo de cualquier equipo que hoy recurra por defecto al mayor modelo de vanguardia disponible solo por precaución.
Los equipos que nunca entrenaron su propio agente porque la infraestructura de sandbox y evaluación parecía demasiado costosa de construir tienen ahora una forma más barata de probar si un modelo más estrecho haría su tarea concreta por una fracción de la tarifa continua por tarea. Que ese intercambio compense depende del tiempo de ingeniería disponible internamente, no de qué opción se etiquete como código abierto.
Leer a continuación: Opus 5 cuesta la mitad que Fable 5 | El agente nunca fue la parte difícil
