Представляем Factory Droid 1.0: не зависящая от модели оболочка для кодирующего агента на базе Script Mode
Factory выпустила Droid 1.0 — крупнейшее на данный момент обновление агентского инструментария Factory Droid. Главное изменение — программный вызов инструментов, теперь включённый по умолчанию. Модель пишет программу, которая запускает инструменты. Один запрос к модели теперь может управлять сотнями вызовов инструментов.
Кратко
- Размер: Базовый промпт содержит 13 055 входных токенов — на 37% меньше прежних 20 887. Сразу загружаются только 2 определения инструментов вместо 11.
- Работает на: настольном приложении для macOS и Windows, в терминальном интерфейсе и Node SDK
@factory/droid-sdk. Поддерживается любая совместимая модель, включая модели с вашими собственными API-ключами. - Производительность: Самый высокий показатель успешного прохождения среди всех протестированных Factory инструментов при использовании одной и той же модели и более низкой стоимости.
- Лучший результат: 65,2% в Terminal-Bench 4 с Claude Opus 5.5 при стоимости $4,73 за выполненную задачу (по данным самой компании).
- Худший результат: С GPT-6.1 Sol Droid выполняет каждую успешно завершённую задачу на 10% дольше, чем Codex.
Что такое Droid 1.0?
Droid 1.0 — независимый от модели инструментарий агента для программирования от Factory. Factory определяет инструментарий как всё, что окружает модель. Сюда входят промпты, инструменты, способ возврата результатов инструментов и цикл работы. Пользователи выбирают модель или позволяют Factory Router подобрать экономичное сочетание.
Как работает программный вызов инструментов?
В стандартном цикле каждый результат работы инструмента попадает в контекст модели. При программном вызове инструментов (PTC) модель вместо этого пишет программу. Droid реализует это с помощью инструмента Script. Модель пишет JavaScript, который выполняется в песочнице. Сама песочница не имеет доступа к файлам, сети или системе.
Исходные файлы, результаты поиска и журналы остаются внутри программы. В модель возвращаются только выведенные данные. Независимые вызовы выполняются параллельно.
Эта идея основана на CodeAct (Wang и др., 2024). Factory сообщает следующие результаты собственных сессий:
- Исправление модульного теста: 15 вызовов инструментов потребовали 5 обращений к модели вместо 10. Задача завершилась за 41,6 с вместо 56,8 с.
- Линейная очистка: 151 проблема была перемещена и проверена в рамках 312 вызовов инструментов. Script использовал 2 запроса и около 61 000 токенов. При прямых вызовах модели Factory потребовалось 36 запросов и около 3,1 млн токенов.
- Проверка CI: 5 384 задания в рамках 547 запусков за 2 запроса. В контекст модели попало менее 0,1% результатов работы инструментов.
На Claude Opus 5.5 режим Script снижает стоимость Droid на 15% по сравнению с прямым вызовом инструментов. По умолчанию он включён для 10 моделей, включая GPT-6.1 Sol и Kimi K3.
Запустить сравнение</button>
<div class="race">
<div class="lane"><b>Прямые вызовы инструментов</b><div class="dots" id="lnA"></div><div class="stat"><span>Вызовы модели <strong id="aM">0</strong></span><span>Вызовы инструментов <strong id="aT">0</strong></span><span>Время <strong id="aS">0.0 s</strong></span></div></div>
<div class="lane"><b>Инструмент Script</b><div class="dots" id="lnB"></div><div class="stat"><span>Вызовы модели <strong id="bM">0</strong></span><span>Вызовы инструментов <strong id="bT">0</strong></span><span>Время <strong id="bS">0.0 s</strong></span></div></div>
</div>
<div class="lg"><span><i style="background:#2f6bff"></i>Вызов модели</span><span><i style="background:#c9c9c9"></i>Вызов инструмента</span><span><i style="background:#111"></i>Script</span></div>
<p class="note">Script — это JavaScript в песочнице, которая сама не имеет доступа к файлам, сети или системе. Исходные результаты работы инструментов остаются в программе; в модель возвращаются только выведенные данные.</p>
</div>
<div class="pn" id="p2">
<h3>Показатель прохождения Terminal-Bench 4, одна и та же модель для каждого инструментария</h3>
<div class="seg"><button class="on" data-m="opus">Claude Opus 5.5</button><button data-m="sol">GPT-6.1 Sol</button></div>
<div id="fdxBars"></div>
<p class="note" id="fdxCost"></p>
<p class="note">Данные предоставлены Factory. По 3 испытания на задачу, проведены с 23 по 28 октября 2026 года. Cursor не тестировался на GPT-6.1 Sol.</p>
</div>
<div class="pn" id="p3">
<h3>Перемещение 151 задачи Linear: 312 вызовов инструментов</h3>
<p>Каждая задача была перемещена в бэклог, а затем проверена, чтобы изменить только её статус.</p>
<button class="btn gh" id="fdxLin"> Сравнить</button>
<div class="cmp" style="margin-top:12px">
<div class="box"><div class="lbl">Прямые вызовы (расчёт, 10 за запрос)</div><div class="big" id="lA">0</div><div class="lbl">запросов к модели</div><div class="big" id="lAt" style="font-size:22px;margin-top:8px">0</div><div class="lbl">входных токенов</div><div class="tk"><div id="lAb" style="background:#9aa6bf"></div></div></div>
<div class="box"><div class="lbl">Один Script</div><div class="big b" id="lB">0</div><div class="lbl">запросов к модели</div><div class="big b" id="lBt" style="font-size:22px;margin-top:8px">0</div><div class="lbl">входных токенов</div><div class="tk"><div id="lBb" style="background:#2f6bff"></div></div></div>
</div>
<p class="note">Показатели для прямых вызовов — оценки Factory; показатели Script получены в реальной сессии.</p>
</div>
<div class="pn" id="p4">
<h3>Другие изменения в Droid 1.0 (нажмите на карточку)</h3>
<div class="cards">
<div class="cd"><div class="n">−37%</div><div class="t">Базовый промпт</div><div class="x">Первый запрос сократился с 20 887 до 13 055 входных токенов. Теперь Droid сразу отправляет 2 определения инструментов вместо 11.</div></div>
<div class="cd"><div class="n">98%</div><div class="t">Чтение из кэша</div><div class="x">Типичный производственный запрос получает 98% входных данных из кэша. Вновь загруженные инструменты добавляются в конец, чтобы сохранить кэшированный префикс.</div></div>
<div class="cd"><div class="n">−15%</div><div class="t">Стоимость режима Script</div><div class="x">По сравнению с прямым вызовом инструментов режим Script снижает стоимость Droid на 15% при работе с Claude Opus 5.5.</div></div>
<div class="cd"><div class="n">16K</div><div class="t">Объём компактификации</div><div class="x">Теперь сводки компактификации могут содержать 16 000 токенов вместо 8 000. 3 одинаковых вызова инструмента запускают подсказку, а 6 останавливают цикл.</div></div>
<div class="cd"><div class="n">488 мс</div><div class="t">Первый рендеринг</div><div class="x">Медианное время до первого рендеринга сократилось с 1 839 до 488 мс. Медианное время выхода уменьшилось с 648 до 30 мс.</div></div>
<div class="cd"><div class="n">~20 МБ</div><div class="t">На дополнительную сессию</div><div class="x">Теперь сессии используют общий процесс демона, добавляя около 20 МБ на каждую вместо примерно 350 МБ на процесс.</div></div>
</div>
</div>
<div class="ft"><span>Источник: <a href="https://factory.com/news/frontier-harness" target="_blank" rel="noopener">исследование Factory, 29 октября 2026 года</a> · данные предоставлены самой компанией</span><span class="mtp">© Marktechpost</span></div>
</div>
<script>
(function(){
var W=document.getElementById('fdx-wrap');
function rs(){try{parent.postMessage({fdxHeight:W.offsetHeight+40},'*')}catch(e){}}
W.querySelectorAll('.tab').forEach(function(t){t.onclick=function(){W.querySelectorAll('.tab').forEach(function(x){x.classList.remove('on')});W.querySelectorAll('.pn').forEach(function(x){x.classList.remove('on')});t.classList.add('on');document.getElementById(t.dataset.p).classList.add('on');if(t.dataset.p==='p2')bars(cur);setTimeout(rs,60)}});
/* race */
var A=[[1,2],[1,1],[1,1],[1,1],[1,1],[1,2],[1,2],[1,2],[1,2],[1,1]],B=[[1,6],[1,2],[1,2],[1,4],[1,1]];
function race(){var la=document.getElementById('lnA'),lb=document.getElementById('lnB');la.innerHTML='';lb.innerHTML='';
function seq(steps,lane,ids,total,scr){var items=[];steps.forEach(function(s,i){items.push('m');var last=(i===steps.length-1);if(scr&&!last){items.push('s')}for(var k=0;k<s[1];k++)items.push('t')});
var m=0,t=0,i=0,step=total/items.length;var iv=setInterval(function(){if(i>=items.length){clearInterval(iv);document.getElementById(ids[2]).textContent=total.toFixed(1)+' s';return}var d=document.createElement('span');d.className='d '+items[i];lane.appendChild(d);setTimeout(function(){d.classList.add('show')},20);if(items[i]==='m')m++;if(items[i]==='t')t++;document.getElementById(ids[0]).textContent=m;document.getElementById(ids[1]).textContent=t;document.getElementById(ids[2]).textContent=(step*(i+1)).toFixed(1)+' s';i++;rs()},step*45)}
seq(A,la,['aM','aT','aS'],56.8,false);seq(B,lb,['bM','bT','bS'],41.6,true)}
document.getElementById('fdxRun').onclick=race;
/* bars */
var D={opus:{rows:[['Droid',65.2],['Cursor',62.1],['OpenCode',62.1],['Devin',59.6],['Claude Code',57.6]],c:'Droid: $4.73 за выполненную задачу, до 24% дешевле и на 16–26% быстрее любого другого инструментария на Opus 5.5.'},sol:{rows:[['Droid',57.6],['Codex',54.0],['OpenCode',51.0],['Devin',45.0]],c:'Droid: $0.79 за выполненную задачу, на 12% дешевле Codex, но на 10% медленнее при выполнении каждой задачи.'}},cur='opus';
function bars(k){cur=k;var h='';D[k].rows.forEach(function(r){h+='<div class="bar"><span>'+r[0]+'</span><div class="trk"><div class="fill'+(r[0]==='Droid'?' me':'')+'" data-w="'+(r[1]/70*100)+'"></div></div><span class="val">'+r[1].toFixed(1)+'%</span></div>'});var b=document.getElementById('fdxBars');b.innerHTML=h;document.getElementById('fdxCost').textContent=D[k].c;setTimeout(function(){b.querySelectorAll('.fill').forEach(function(f){f.style.width=f.dataset.w+'%'})},40);rs()}
W.querySelectorAll('.seg button').forEach(function(b){b.onclick=function(){W.querySelectorAll('.seg button').forEach(function(x){x.classList.remove('on')});b.classList.add('on');bars(b.dataset.m)}});
/* linear */
function cnt(el,to,fmt,ms){var s=null;function f(ts){if(!s)s=ts;var p=Math.min((ts-s)/ms,1);el.textContent=fmt(to*p);if(p<1)requestAnimationFrame(f)}requestAnimationFrame(f)}
document.getElementById('fdxLin').onclick=function(){cnt(document.getElementById('lA'),36,function(v){return Math.round(v)},1100);cnt(document.getElementById('lB'),2,function(v){return Math.round(v)},600);cnt(document.getElementById('lAt'),3.1,function(v){return '~'+v.toFixed(1)+'M'},1100);cnt(document.getElementById('lBt'),61,function(v){return '~'+Math.round(v)+'K'},600);document.getElementById('lAb').style.width='100%';document.getElementById('lBb').style.width=(61/3100*100).toFixed(2)+'%'};
W.querySelectorAll('.cd').forEach(function(c){c.onclick=function(){c.classList.toggle('open');setTimeout(rs,380)}});
bars('opus');window.addEventListener('load',rs);window.addEventListener('resize',rs);setTimeout(rs,300);
})();
</script>
</body></html>
">
Как Droid 1.0 показывает себя в Terminal-Bench 4?
Factory проверила каждый инструментарий Droid на одной и той же модели. Каждый инструментарий провёл 3 испытания каждой задачи с 23 по 28 октября 2026 года. В расчёт стоимости и времени включались только задачи, которые оба инструментария успешно прошли во всех 3 испытаниях.
- Claude Opus 5.5: Droid набирает 65,2%. Cursor и OpenCode — по 62,1%, Devin — 59,6%, Claude Code — 57,6%. Droid дешевле максимум на 24%.
- GPT-6.1 Sol: Droid набирает 57,6% при стоимости $0,79 за выполненную задачу. Codex — 54,0%, OpenCode — 51,0%, Devin — 45,0%.
- Скорость: На Opus 5.5 Droid тратит на 16–26% меньше времени на каждую выполненную задачу. По сравнению с Claude Code он также использует на 17% меньше токенов.
Что ещё изменилось в инструментарии?
Большинство изменений стало результатом внутреннего цикла Agent Factory. Агенты анализируют сбои и предлагают изменения, которые тестируются на каждом затронутом семействе моделей. Инженеры проверяют и объединяют результаты.
- Кэш промптов: Вновь загруженные инструменты добавляются в конец запроса. Типичный производственный запрос получает 98% входных данных из кэша.
- Более компактный первый запрос: Количество определений инструментов сократилось на 46%. Редко используемые инструменты теперь загружаются по требованию.
- Ограниченная автономность: 3 одинаковых вызова инструмента запускают подсказку, а 6 останавливают цикл. Теперь сводки компактификации содержат 16 000 токенов вместо 8 000.
- Задержка приложения: Время до первого рендеринга сократилось с 1 839 до 488 мс. Каждая дополнительная сессия теперь добавляет около 20 МБ, а не 350 МБ.
Сравнение: Droid 1.0 и другие инструментарии агентов для программирования
| Характеристика | Droid 1.0 (Factory) | Codex CLI | Claude Code | OpenCode |
|---|---|---|---|---|
| Разработчик | Factory | OpenAI | Anthropic | Anomaly |
| Поддержка моделей | Независим от модели, BYOK, Factory Router | План ChatGPT или API-ключ | Нативный инструментарий для Claude (Factory) | Более 75 провайдеров LLM, локальные модели |
| Лицензия | Не раскрывается (SDK распространяется по Apache 2.0) | Apache-2.0 | Коммерческие условия Anthropic | MIT |
| Программный вызов инструментов | По умолчанию (инструмент Script) | Да, по данным Factory | Не раскрывается | Не раскрывается |
| TB4, Claude Opus 5.5* | 65,2% | Не тестировался | 57,6% | 62,1% |
| TB4, GPT-6.1 Sol* | 57,6% | 54,0% | Не тестировался | 51,0% |
| Время на выполненную задачу по сравнению с Droid* | Базовый показатель | Droid на 10% медленнее (Sol) | Droid на 26% быстрее (Opus) | Droid на 4–24% быстрее |
| Стоимость | От $20 в месяц | План ChatGPT или API | Не раскрывается | Бесплатный, с открытым исходным кодом |
*Показатели Terminal-Bench 4 получены в собственных запусках Factory и приведены в её разделе о методологии.
Как разработчики могут его попробовать?
Droid 1.0 доступен в виде настольного приложения и терминального интерфейса. Droid SDK запускает тот же инструментарий из Node, поддерживая сессии, потоковую передачу и инструменты MCP. Платные планы начинаются от $20 в месяц.
Основные выводы
- Droid 1.0 делает программный вызов инструментов режимом по умолчанию.
- Один Script может выполнять сотни вызовов инструментов в рамках одного запроса к модели.
- 65,2% в Terminal-Bench 4 с Opus 5.5 — по данным самой компании.
- Базовый промпт уменьшился на 37%, до 13 055 токенов.
- Codex по-прежнему выигрывает по скорости с GPT-6.1 Sol.
Читайте полный исследовательский материал Factory, ознакомьтесь с Droid SDK на GitHub и документацией Droid. Также подписывайтесь на нас в Twitter и не забудьте присоединиться к нашему сабреддиту о машинном обучении с более чем 150 тыс. участников и подписаться на нашу рассылку. Постойте! Вы есть в Telegram? теперь к нам можно присоединиться и в Telegram.
Хотите сотрудничать с нами для продвижения своего репозитория GitHub, страницы Hugging Face, релиза продукта, вебинара и т. д.? Свяжитесь с нами
Переведено автоматически с английского. Оригинал статьи — по ссылке ниже.