O que o Orchard realmente separa

A Microsoft Research lançou o Orchard a 4 de agosto de 2026 como uma estrutura de código aberto para modelação agêntica, descrevendo-a numa publicação do blogue como uma forma de separar a gestão do ciclo de vida do sandbox da linha de treino usada para construir agentes de IA. Esta distinção importa porque treinar bem um agente para programar, navegar ou usar ferramentas exige fazê-lo correr repetidamente dentro de algo que se comporta como o seu verdadeiro ambiente de implantação, e não um substituto simplificado.

Antes do Orchard, uma equipa que quisesse treinar um agente desta forma tinha geralmente de construir essa camada de sandbox e avaliação por conta própria, projeto a projeto, ou pagar a um fornecedor gerido para o fazer. O serviço central de sandbox da Microsoft Research foi pensado, em vez disso, para ser reutilizado entre projetos, que é precisamente a parte do lançamento dirigida às equipas que hoje duplicam este trabalho de infraestrutura internamente.

A fatura do sandbox cai cerca de dez vezes

A Microsoft Research indicou que o serviço central de sandbox do Orchard custa cerca de um décimo de alternativas geridas como o E2B ou o Daytona quando implantado em instâncias spot. A infraestrutura de sandbox, e não o cálculo de treino do modelo em si, tornou-se discretamente uma das rubricas de custo maiores para as equipas que fazem os seus agentes atuar em ambientes reais, porque cada execução de treino e cada passagem de avaliação precisa da sua própria cópia isolada e descartável desse ambiente.

Uma redução de dez vezes nessa rubrica específica não torna gratuito o desenvolvimento de agentes, mas altera quais os projetos que ultrapassam o limiar do orçamento de engenharia de uma equipa. Trabalho que antes não justificava construir ou alugar infraestrutura de sandbox dedicada agora plausivelmente justifica-o, em particular para agentes mais estreitos e específicos de uma tarefa em vez de agentes de uso geral.

Um modelo de 3 mil milhões de parâmetros atinge resultados normalmente ligados a dez vezes mais

O artigo técnico que acompanha o lançamento, 'Orchard: An Open-Source Agentic Modeling Framework,' relata que um modelo treinado com ele, chamado Orchard-SWE, atinge 69,7% no SWE-bench Verified, e 73% com reordenação aplicada, usando apenas cerca de 3 mil milhões de parâmetros ativos. Essas pontuações estão normalmente associadas, segundo o artigo, a modelos cerca de dez vezes maiores, e a afirmação foi repetida de forma independente pela AIBusiness e pela EdTechInnovationHub.

O número de parâmetros é aqui o dado operacionalmente mais interessante, mais do que a própria pontuação do benchmark. O SWE-bench Verified mede se um modelo consegue resolver problemas reais de software do início ao fim, e um modelo de 3 mil milhões de parâmetros ativos a atingir uma pontuação normalmente reservada a sistemas muito maiores sugere que foi o método de treino e o realismo do sandbox, e não a escala em bruto, que produziram o resultado.

A decisão real para compradores na UE e no Reino Unido

Qualquer empresa que hoje paga tarifas por tarefa a um fornecedor de topo como a OpenAI ou a Anthropic para trabalho agêntico, ou que paga por infraestrutura de sandbox gerida de um fornecedor como o E2B ou o Daytona para construir um agente internamente, tem agora um caminho credível, gratuito e autoalojável para treinar, em vez disso, um agente mais estreito, mais barato e feito à medida. Trata-se de uma mudança real nas opções disponíveis, não marginal.

Não é, porém, uma mudança de pagar para não pagar. O código aberto desloca aqui o custo de uma rubrica medida na fatura de um fornecedor para um encargo de engenharia e operações dentro da própria empresa, e para a nuvem em que o treino de facto corre, com frequência o próprio Azure da Microsoft, porque foi a Microsoft que construiu a estrutura. A decisão que um comprador realmente enfrenta é uma comparação genuína entre construir, alugar ou ficar presos a um novo fornecedor em custo total e capacidade, não uma mudança automática para tudo aquilo que é rotulado de gratuito.

Por que motivo 3 mil milhões de parâmetros ativos alteram o cálculo

A lição operacional do resultado do benchmark não é que a Microsoft tenha hoje o melhor agente de código disponível. É que um agente treinado de forma estreita e cuidada pode igualar um modelo geral muito maior numa tarefa específica, com uma fração dos parâmetros ativos e, segundo a afirmação de custo da Microsoft Research, com uma fração da despesa em sandbox necessária para o treinar. Isto altera o cálculo de qualquer equipa que hoje recorra por defeito ao maior modelo de topo disponível apenas por precaução.

Equipas que nunca treinaram o seu próprio agente porque a infraestrutura de sandbox e avaliação parecia demasiado dispendiosa de construir têm agora uma forma mais barata de testar se um modelo mais estreito faria a sua tarefa específica por uma fração da tarifa contínua por tarefa. Se essa troca compensa depende do tempo de engenharia disponível internamente, não de qual opção está rotulada como código aberto.

Leia a seguir: Opus 5 custa metade do Fable 5  |  O agente nunca foi a parte difícil