Ciò che Orchard separa davvero

Microsoft Research ha pubblicato Orchard il 4 agosto 2026 come framework open source per il modeling agentico, descrivendolo in un post del blog come un modo per separare la gestione del ciclo di vita del sandbox dalla pipeline di addestramento usata per costruire agenti IA. La distinzione conta perché addestrare un agente a programmare, navigare o usare strumenti bene richiede farlo girare ripetutamente dentro qualcosa che si comporti come il suo vero ambiente di deployment, non un sostituto semplificato.

Prima di Orchard, un team che volesse addestrare un agente in questo modo doveva in genere costruirsi da solo quello strato di sandbox e valutazione, progetto per progetto, oppure pagare un fornitore gestito per farlo. Il servizio sandbox centrale di Microsoft Research è invece pensato per essere riutilizzato tra più progetti, ed è proprio la parte del rilascio pensata per i team che oggi duplicano internamente questo lavoro di infrastruttura.

Il conto del sandbox scende di circa dieci volte

Microsoft Research ha riferito che il servizio sandbox centrale di Orchard costa circa un decimo di alternative gestite come E2B o Daytona quando gira su istanze spot. L'infrastruttura sandbox, non il calcolo per l'addestramento del modello, è diventata silenziosamente una delle voci di costo più grandi per i team che fanno agire i loro agenti in ambienti reali, perché ogni run di addestramento e ogni passaggio di valutazione richiede una propria copia isolata e a perdere di quell'ambiente.

Una riduzione di dieci volte su questa singola voce non rende gratuito lo sviluppo di agenti, ma cambia quali progetti superano la soglia del budget di ingegneria di un team. Lavoro che prima non giustificava costruire o affittare infrastruttura sandbox dedicata, ora plausibilmente lo giustifica, in particolare per agenti più ristretti e specifici per un compito piuttosto che generali.

Un modello da 3 miliardi di parametri raggiunge risultati di solito legati a dieci volte tanto

Il paper tecnico che accompagna il rilascio, 'Orchard: An Open-Source Agentic Modeling Framework', riporta che un modello addestrato con esso, chiamato Orchard-SWE, raggiunge il 69,7% su SWE-bench Verified, e il 73% con il reranking applicato, usando solo circa 3 miliardi di parametri attivi. Quei punteggi sono di solito associati, secondo il paper, a modelli circa dieci volte più grandi, e l'affermazione è stata ripetuta in modo indipendente da AIBusiness ed EdTechInnovationHub.

Il numero di parametri è qui il dato più interessante dal punto di vista operativo, più del punteggio del benchmark in sé. SWE-bench Verified misura se un modello riesce a risolvere problemi software reali dall'inizio alla fine, e un modello da 3 miliardi di parametri attivi che raggiunge un punteggio di solito riservato a sistemi molto più grandi suggerisce che sia stato il metodo di addestramento, insieme al realismo del sandbox, e non la scala grezza, a produrre il risultato.

La vera decisione per chi compra nell'UE e nel Regno Unito

Ogni azienda che oggi paga tariffe per attività a un fornitore di punta come OpenAI o Anthropic per lavoro agentico, o che paga per infrastruttura sandbox gestita di un fornitore come E2B o Daytona per costruirsi un agente in casa, ha ora una via credibile, gratuita e autoospitabile per addestrare invece un agente più ristretto, più economico e costruito su misura. Si tratta di un cambiamento reale nelle opzioni disponibili, non marginale.

Non è, però, un cambiamento dal pagare al non pagare. L'open source qui sposta il costo da una voce a consumo sulla fattura di un fornitore a un onere di ingegneria e operazioni dentro l'azienda, e verso qualunque cloud su cui l'addestramento gira davvero, spesso l'Azure di Microsoft stessa, perché Microsoft ha costruito il framework. La decisione che un acquirente affronta davvero è un confronto autentico tra costruire, affittare o legarsi a un nuovo fornitore su costo totale e capacità, non uno spostamento automatico verso qualunque cosa venga etichettata come gratuita.

Perché 3 miliardi di parametri attivi cambiano il calcolo

La lezione operativa del risultato del benchmark non è che Microsoft abbia oggi il miglior agente di coding disponibile. È che un agente addestrato in modo ristretto e curato può eguagliare un modello generale molto più grande su un compito specifico, con una frazione dei parametri attivi e, secondo l'affermazione sui costi di Microsoft Research, con una frazione della spesa in sandbox necessaria per addestrarlo. Questo cambia il calcolo per qualunque team che oggi ricorra di default al più grande modello di punta disponibile solo per prudenza.

I team che non hanno mai addestrato un proprio agente perché l'infrastruttura di sandbox e valutazione sembrava troppo costosa da costruire hanno ora un modo più economico per verificare se un modello più ristretto svolgerebbe il loro compito specifico per una frazione della tariffa continua per attività. Se questo scambio convenga dipende dal tempo di ingegneria disponibile internamente, non da quale opzione venga etichettata come open source.

Da leggere ora: Opus 5 costa la metà di Fable 5  |  L'agente non è mai stato la parte difficile