El marco abierto Orchard, de Microsoft Research, ofrece infraestructura común para entrenar agentes. Orchard-SWE obtiene un 69,7 por ciento en SWE-bench Verified.
La prueba MindTopo de Microsoft Research mide si los modelos multimodales entienden relaciones como la conectividad o los nudos. Aciertan en imágenes fijas, no al actuar.
CARE-X, de Microsoft Research, combina el informe en texto libre con puntuaciones diagnósticas calibradas en radiografía de tórax. Es un modelo de investigación, no un producto.