训练一个 Agent 到底有多贵？
如果你自己搭过，应该知道答案：不是模型贵，是基础设施贵。
每个 Agent 都需要一个沙箱环境——隔离的容器、文件系统、网络访问、执行权限。做 SWE 要模拟真实代码仓库，做浏览器 Agent 要渲染真实页面，做个人助理要挂载邮箱和日历。每换一个任务方向，就要重新搭一套。每换一个模型，也要重新搭一套。每进入训练新阶段（数据蒸馏、RL rollout、评估），还得再搭一套。
这不是「写代码」的问题，这是「造基础设施」的问题。大部分研究者把精力和算力花在了重复造轮子上，而不是研究 Agent 本身。
这恰恰是 Microsoft 在 8 月 3 日开源 Orchard 时瞄准的核心瓶颈。
Orchard 做了什么
Orchard 是一个 MIT 协议的开源框架，核心是一个叫 Orchard Env 的 Kubernetes 原生环境服务。
它的设计哲学一句话概括：把「环境」从 Agent 训练框架中抽出来，做成一个独立的、可复用的服务层。
这个思路乍看简单，但现有框架几乎都做不到。LangGraph、CrewAI、AutoGen 这些框架的「环境」是嵌入在代码逻辑里的——你要用它的 sandbox，就得用它的训练管线。E2B、Daytona、Modal 这些基础设施服务能提供隔离环境，但它们是绑死在特定云平台上的，迁移成本高，也不开源。
Orchard Env 用 Kubernetes 作为底层，提供了一套标准化的 REST API 来管理沙箱生命周期：创建、执行命令、读写文件、网络控制、销毁。因为它是独立服务，同一个 Env 实例可以同时服务于数据收集、RL rollout、评估三个阶段，不需要为每个阶段重建。
更关键的是，Orchard 支持直接在真实部署框架（harness）中训练 Agent——包括 Codex、OpenClaw、ZeroClaw、ReACT。以前训练和部署之间总有一层「模拟 mismatch」：你在简化环境里训好模型，放到真实 harness 里就不太灵了。Orchard 通过一个轻量级代理记录 harness 自己的模型调用作为训练数据，每次 rollout 跑在自己的容器里，让 Agent 从训练第一天就在最终部署的 harness 里运行。
三个 Recipe 证明一件事：小模型 + 好环境 = 强 Agent
Orchard 不只是框架，还附带了三个经过验证的 Agent 训练配方。
Orchard-SWE：软件工程 Agent
用两个先进开源模型（MiniMax-M2.5 和 Qwen3.5-397B）蒸馏出 10.7 万条 Agent 交互轨迹。训练时采用 credit-assignment SFT——Agent 没完全解决问题不要紧，从它做对的片段里也能学到东西。RL 阶段引入 Balanced Adaptive Rollout 应对稀疏奖励，再加上 dense reward（on-policy 蒸馏 + 过程奖励模型）来提供更细粒度的指导。
结果：仅约 30 亿活跃参数，在 SWE-bench Verified 上达到 69.7%，加上 value model reranking 后到 73.0%——逼近参数大 10 倍以上的前沿系统。
Orchard-GUI：浏览器 Agent
40 亿参数的视觉语言模型，只用了 400 条蒸馏演示 + 2200 个开放训练任务。在 WebVoyager（74.1%）、Online-Mind2Web（67.0%）、DeepShop（64.0%）上平均 68.4%，是目前最强的开源 GUI Agent，与 OpenAI 和 Google 的闭源系统持平。
数据效率惊人——用那么少的数据就能达到这个水平，说明环境设计对了，数据质量比数据量重要得多。
Orchard-Claw：个人助理 Agent
仅靠 200 条合成任务训练，在 Claw-Eval 上单次尝试完成率 59.6%，配合 ZeroClaw 提升到 73.9%。在 Codex harness 下，训练后成功率从 18.6% 跃升至 51.5%。
这组数据最直接地证明了「在真实 harness 里训练」的价值——脱离部署环境的训练，效果会断崖式下降。
成本对比：开源不仅是理念，更是预算
RuntimeWire 的报道给出了一个直接的成本对比：在 128 个沙箱、每个 2 vCPU + 8 GiB 内存、运行 240 小时的负载模型下：
- Orchard Env：$3,362（按需实例）/ $673（spot 实例）
- E2B / Daytona：$7,078
- Modal：$10,305
成本优势来自两层：一是 Kubernetes 原生的弹性调度天然比专有平台便宜；二是跨阶段复用减少了资源浪费——同一个沙箱集群可以同时跑数据蒸馏、RL 训练、评估，而不是为每个阶段单独开集群。
深层结构：为什么 Orchard 不只「又一个框架」
回答 Tim 三问法的第二问——这篇论文的深层结构变化是什么？
第一层：解耦环境层。 过去 Agent 开发是「环境-训练-部署」三位一体的，换一个就得重来。Orchard 把环境抽成独立服务，这是 Agent 基础设施的「关注点分离」——类似操作系统把文件系统从应用程序中分离出来之后，所有应用都能共享同一套文件系统。
第二层：训练-部署 gap 的消失。 在真实 harness 中训练 Agent 可能听起来 trivial，但几乎没人做得到。Orchard 做到了，这意味着 Agent 的「模拟-部署」落差不再是一个需要手动弥合的问题。
第三层：累积式 Agent 学习。 论文里提到一个方向——把训练轨迹视作持久资产，而不是用完即弃。通过蒸馏成可复用的 value model，让新一代 Agent 继承上一代的知识。如果这个方向走通，Agent 训练将从「每代从零开始」变成「代际传承」。
落到行动：这对我们意味着什么
对于正在做 Agent 开发或研究的团队，Orchard 有几个直接可用的价值点：
- 如果你们在搭 Agent 基础设施，Orchard Env 可以直接替代自建的沙箱管理系统，Kubernetes 原生意味着不需要额外学习一套新的编排体系。
- 如果在做 SWE Agent，Orchard-SWE 的 credit-assignment SFT 和 dense reward 设计是可直接复用的训练策略，代码和数据全部开源。
- 如果在做开源 Agent 对比，Orchard-GUI 和 Orchard-Claw 提供了新的强基线——尤其是 Orchard-GUI 用 400 条演示就达到 68.4% 平均分的效率，值得认真分析。
- 长期来看，如果 Orchard 的「训练轨迹作为持久资产」路径被社区验证，Agent 领域的竞争将从「谁的模型更大」转向「谁的环境和训练管线设计更优」——这恰恰是开源社区的优势所在。
Orchard 的代码仓库在 GitHub（microsoft/Orchard），模型和数据在 Hugging Face（microsoft/Orchard）。对于想深入研究的读者，论文预印本在 arXiv 上（2605.15040）。
最后多说一句：Orchard 在论文中明确提到了 OpenClaw 和 ZeroClaw 作为受支持的部署 harness。这不仅仅是「兼容性列表」上的一个名字，而是说明这套框架在设计时就考虑了如何与现有 Agent 生态系统对接。对于 Claw 生态的使用者来说，这意味着一个开源、可复现、成本可控的训练基础设施已经就位。