Wat Orchard eigenlijk ontkoppelt

Microsoft Research bracht Orchard op 4 augustus 2026 uit als open-source framework voor agentische modellering, en beschreef het in een blogpost als een manier om het beheer van de sandbox-levenscyclus te scheiden van de trainingspijplijn die wordt gebruikt om AI-agents te bouwen. Dat onderscheid is belangrijk omdat het goed trainen van een agent om te coderen, te browsen of tools te gebruiken vereist dat je hem herhaaldelijk laat draaien in iets dat zich gedraagt als de echte inzetomgeving, niet een versimpelde vervanging.

Voor Orchard moest een team dat een agent op deze manier wilde trainen die sandbox- en evaluatielaag doorgaans zelf bouwen, project voor project, of een beheerde leverancier betalen om dat te doen. De centrale sandboxdienst van Microsoft Research is in plaats daarvan bedoeld om over projecten heen herbruikt te worden, precies het deel van de release dat gericht is op teams die dit infrastructuurwerk nu intern dubbel uitvoeren.

De sandboxrekening daalt met ongeveer een factor tien

Microsoft Research meldde dat de centrale sandboxdienst van Orchard ongeveer een tiende kost van beheerde alternatieven zoals E2B of Daytona wanneer die draait op spot-instances. Sandbox-infrastructuur, niet de trainingsrekenkracht van het model zelf, is stilletjes een van de grotere kostenposten geworden voor teams die hun agents in echte omgevingen laten handelen, omdat elke trainingsrun en elke evaluatieronde een eigen geïsoleerde, wegwerpbare kopie van die omgeving nodig heeft.

Een tienvoudige verlaging op die ene kostenpost maakt het bouwen van agents niet gratis, maar verandert wel welke projecten de drempel van het engineeringbudget van een team halen. Werk dat eerder het bouwen of huren van eigen sandbox-infrastructuur niet rechtvaardigde, doet dat nu wel plausibel, vooral voor smallere, taakspecifieke agents in plaats van algemene.

Een model met 3 miljard parameters haalt resultaten die normaal tien keer meer vereisen

Het bijbehorende technische paper, 'Orchard: An Open-Source Agentic Modeling Framework,' meldt dat een model dat ermee is getraind, Orchard-SWE genoemd, 69,7% haalt op SWE-bench Verified, en 73% met toegepaste reranking, met slechts ongeveer 3 miljard actieve parameters. Die scores horen volgens het paper normaal bij modellen die ongeveer tien keer groter zijn, en de claim is onafhankelijk herhaald door AIBusiness en EdTechInnovationHub.

Het aantal parameters is hier operationeel het interessantste getal, meer dan de benchmarkscore zelf. SWE-bench Verified meet of een model echte softwareproblemen end-to-end kan oplossen, en een model met 3 miljard actieve parameters dat een score haalt die normaal is voorbehouden aan veel grotere systemen, wijst erop dat de trainingsmethode en het realisme van de sandbox, niet de ruwe schaal, dit resultaat hebben opgeleverd.

De echte keuze voor kopers in de EU en het Verenigd Koninkrijk

Elk bedrijf dat nu per taak betaalt aan een topleverancier zoals OpenAI of Anthropic voor agentisch werk, of dat betaalt voor beheerde sandbox-infrastructuur van een leverancier zoals E2B of Daytona om zelf een agent te bouwen, heeft nu een geloofwaardig, gratis, zelf te hosten pad om in plaats daarvan een smaller, goedkoper, doelgericht agent te trainen. Dat is een echte verandering in de beschikbare opties, geen marginale.

Het is echter geen verandering van betalen naar niet betalen. Open source verschuift hier de kosten van een gemeten post op de factuur van een leverancier naar een last voor engineering en operatie binnen het bedrijf, en naar welke cloud het trainen daadwerkelijk draait, vaak Microsofts eigen Azure, omdat Microsoft het framework heeft gebouwd. De keuze waar een koper werkelijk voor staat is een oprechte vergelijking tussen zelf bouwen, huren of vastzitten aan een nieuwe leverancier op totale kosten en vermogen, geen automatische stap naar alles wat als gratis wordt bestempeld.

Waarom 3 miljard actieve parameters de rekensom veranderen

De operationele les van het benchmarkresultaat is niet dat Microsoft vandaag de beste beschikbare coding-agent heeft. Het is dat een smal en goed getraind agent een veel groter algemeen model op een specifieke taak kan evenaren, met een fractie van de actieve parameters en, volgens de kostenclaim van Microsoft Research, met een fractie van de sandboxuitgaven die nodig zijn om het te trainen. Dat verandert de rekensom voor elk team dat nu puur uit voorzichtigheid standaard naar het grootste beschikbare topmodel grijpt.

Teams die nooit hun eigen agent hebben getraind omdat de sandbox- en evaluatie-infrastructuur te duur leek om te bouwen, hebben nu een goedkopere manier om te testen of een smaller model hun specifieke taak zou uitvoeren voor een fractie van de doorlopende taakvergoeding. Of die ruil de moeite waard is, hangt af van de intern beschikbare engineeringtijd, niet van welke optie als open source wordt bestempeld.

Lees hierna: Opus 5 kost de helft van Fable 5  |  De agent was nooit het moeilijke deel