微软研究院发布用于可扩展智能体AI的Orchard框架
微软研究院发布了Orchard，这是一个开源框架，旨在支持对自主智能体进行可扩展且具成本效益的研究。该系统以Orchard Env为核心，这是一种基于Kubernetes的环境服务，允许研究人员在软件工程、网页导航和个人助手等多样化领域训练和评估智能体，而无需重新构建基础设施。
微软发布 Echoverse 用于训练计算机使用代理
微软研究院发布了 Echoverse，这是一组由十二个深度合成环境组成的集合，旨在训练计算机使用代理。该计划包括十个特定领域的世界和两个以能力为中心的世界，所有这些都旨在保持连贯的状态和行为保真度。
微软研究院推出MindTopo基准，用于评估VLM的空间推理能力
微软研究院推出了MindTopo，这是一个旨在评估多模态大语言模型是否具备关于连通性、包围性、顺序性、分离性和结拓扑直觉的新基准。
微软研究院推出CARE-X：一种带有辅助监督和工具增强测量的统一胸部X射线VLM
微软研究院推出了CARE-X，这是一个研究模型，旨在通过将生成式报告撰写与校准的诊断预测相结合，解决当前放射学视觉-语言模型的不足。该系统使用强化学习（DAPO）来奖励临床正确性，并将Qwen3-VL-4B-Instruct模型与确定性测量工具配对，以评估需要精确计算的条件性能。
微软研究院推出EvoLib，通过动态库实现测试时学习
微软研究院推出了EvoLib，这是一个框架，使大型语言模型能够在推理过程中从自身经验中学习，而无需真实标签或外部反馈。EvoLib不将原始经验存储为静态记忆，而是将其转化为可重用的技能和反思性见解，这些技能和见解会不断被精炼、整合和重新加权。
Intern-S2-Preview：科学智能体基础模型
作者介绍了 Intern-S2-Preview，这是一系列旨在支持多模态科学理解、推理、生成和长周期任务的科学智能体基础模型。训练流程始于对渲染的科学文档、交错图像文本数据以及多样化科学语料库的多模态预训练。
Intern-S2-Preview 推出具备多模态预训练与强化学习的科学智能体基础模型
作者介绍了 Intern-S2-Preview，这是一系列旨在支持多模态科学理解、推理、生成及长周期任务的科学智能体基础模型。训练流程始于对渲染的科学文档、交错图像文本数据以及多样化科学语料库进行的多模态预训练。
微软 SkillOpt 实现 Codex 与 Claude Code 之间的代理技能迁移
微软、上海交通大学、同济大学以及复旦大学的研究人员开发了 SkillOpt，这是一种文本空间优化器，在保持目标模型冻结的同时训练自然语言技能文档。该系统使用一个优化器模型，基于评分的 rollout 提出有界编辑，并将结果导出为单个 `best_skill.md` 文件。
微软发布Mage-VL，一种基于编解码器的原生流式多模态模型
微软发布了Mage-VL，这是一种高效的4B参数多模态基础模型，用于图像和视频理解，采用编解码器原生的方法来简化视觉处理。该系统将视频流分离为关键帧（I帧）和预测帧（P帧），仅保留编解码器分配比特的补丁，从而将视觉标记的消耗减少超过75%。
微软发布 MAI-Cyber-1-Flash，在 CyberGym 上将 MDASH 推至 95.95%
微软 AI 发布了 MAI-Cyber-1-Flash，这是一款网络安全专用模型，运行于 MDASH 智能体扫描框架内，以提升漏洞检测能力。该模型是一个稀疏混合专家（Mixture-of-Experts）Transformer，总参数量为 137B，激活参数量为 5B，源自 MAI-Code-1-Flash 系列。
微软发布Mage-Flow，一款用于图像生成与编辑的4B原生分辨率模型
微软发布了Mage-Flow，这是一个紧凑的4B规模生成堆栈，旨在实现高效的文本到图像生成和基于指令的图像编辑。该系统通过轻量级分词器Mage-VAE与原生分辨率多模态扩散Transformer（NR-MMDiT）的协同设计，实现了具有竞争力的顶尖质量。
微软研究院发布 Fara1.5-27B 多模态计算机使用代理
微软研究院 AI Frontiers 发布了 Fara1.5-27B，这是一种专为网页浏览器设计的多模态计算机使用代理。该模型通过截图观察浏览器界面，并通过发出结构化工具调用（如点击、输入文本、滚动和搜索）来执行任务。