Factory 发布 Droid 1.0 编码 Agent harness，程序化工具调用成默认
Factory 发布 Droid 1.0，这是 Droid 编码 Agent harness 迄今最大的一次更新，程序化工具调用（Script 模式）默认开启，模型编写 JavaScript 在沙箱中运行工具，一次模型请求可驱动数百次工具调用。
MarkTechPost· Asif Razzaq·2026-10-31 18:38· 4 小时前AI 评分69
认识 Factory Droid 1.0：一个基于 Script 模式构建的、与模型无关的编码 Agent harness
AI 导读
Factory 发布 Droid 1.0，这是其编码 Agent harness 的最大更新，程序化工具调用（Script 模式）默认开启，模型编写 JavaScript 在沙箱中运行工具，一次模型请求可驱动数百次工具调用。
正文 · 原文
Factory 发布了 Droid 1.0，这是 Factory Droid agent harness 迄今为止最大的更新。主要变化是程序化工具调用，现已默认开启。模型编写一个程序来运行其工具。一次模型请求现在可以驱动数百次工具调用。
TL;DR
- 大小：基础提示词为 13,055 个输入 token，较 20,887 下降 37%。启动时仅提供 2 个工具定义，低于此前的 11 个。
- 运行于：macOS 和 Windows 桌面应用、终端 UI 以及 Node SDK
@factory/droid-sdk。可与任何受支持的模型配合使用，包括你自己的 API 密钥。 - 性能：在相同模型上，通过率是 Factory 测试过的所有 harness 中最高的，且成本更低。
- 最佳：在 Terminal-Bench 4 上使用 Claude Opus 5.5 达到 65.2%，每个通过任务成本 $4.73（自报数据）。
- 最差：使用 GPT-6.1 Sol 时，Droid 每个通过任务耗时比 Codex 长 10%。
什么是 Droid 1.0？
Droid 1.0 是 Factory 推出的与模型无关的编码 agent harness。Factory 将 harness 定义为模型周围的一切。这意味着提示词、工具、工具结果的返回方式以及循环。用户可以选择模型，或让 Factory Router 选择具有成本效益的组合。
程序化工具调用如何工作？
在标准循环中，每个工具输出都会进入模型的上下文。使用程序化工具调用（PTC）时，模型改为编写一个程序。Droid 将其实现为 Script 工具。模型编写在沙箱中运行的 JavaScript。沙箱本身没有文件、网络或系统访问权限。
原始文件、搜索结果和日志保留在程序内部。只有打印输出会返回给模型。独立的调用会并发运行。
这一想法建立在 CodeAct（Wang 等，2024） 之上。Factory 报告了来自其自身会话的这些结果：
- 单元测试修复：15 次工具调用只用了 5 次模型调用，而非 10 次。任务在 41.6 秒内完成，而非 56.8 秒。
- Linear 清理：在 312 次工具调用中移动并验证了 151 个问题。Script 使用了 2 次请求和约 61,000 个 token。Factory 模型直接调用则需要 36 次请求和约 310 万个 token。
- CI 扫描：在 2 次请求中处理了 547 次运行中的 5,384 个作业。不到 0.1% 的工具结果进入了模型的上下文。
在 Claude Opus 5.5 上，Script 模式使 Droid 的成本相比直接工具调用降低了 15%。该模式对 10 个模型默认开启，包括 GPT-6.1 Sol 和 Kimi K3。
Droid 1.0 在 Terminal-Bench 4 上得分如何？
Factory 在相同模型上让每个 harness 与 Droid 进行对比。每个 harness 对每个任务运行 3 次试验，时间为 2026 年 10 月 23 日至 28 日。只有两个 harness 在全部 3 次试验中都通过的任务才计入成本和时间。
- Claude Opus 5.5：Droid 得分为 65.2%。Cursor 和 OpenCode 为 62.1%，Devin 为 59.6%，Claude Code 为 57.6%。Droid 的成本最多低 24%。
- GPT-6.1 Sol：Droid 得分为 57.6%，每个通过任务成本 $0.79。Codex 为 54.0%，OpenCode 为 51.0%，Devin 为 45.0%。
- 速度：在 Opus 5.5 上，Droid 每完成一个通过任务所需时间减少 16% 到 26%。与 Claude Code 相比，它使用的 token 也少 17%。
harness 还有哪些变化？
大多数变化来自内部的 Agent Factory 循环。智能体读取失败案例并提出修改，在每个受影响的模型系列上测试。工程师审核并合并。
- 提示缓存：新加载的工具会追加到请求末尾。典型的生产请求有 98% 的输入从缓存读取。
- 更精简的首次请求：工具定义减少了 46%。很少使用的工具现在按需加载。
- 有界自主性：3 次相同的工具调用会触发提醒，6 次则停止循环。压缩摘要现在可容纳 16,000 个 token，高于此前的 8,000 个。
- 应用延迟：首次绘制从 1,839 毫秒降至 488 毫秒。每增加一个会话现在约增加 20 MB，而不是 350 MB。
对比：Droid 1.0 与其他编码智能体 harness
| 功能 | Droid 1.0（Factory） | Codex CLI | Claude Code | OpenCode |
|---|---|---|---|---|
| 开发者 | Factory | OpenAI | Anthropic | Anomaly |
| 模型支持 | 模型无关，BYOK，Factory Router | ChatGPT 套餐或 API 密钥 | Claude 的原生 harness（Factory） | 75+ LLM 提供商，本地模型 |
| 许可证 | 未披露（SDK 为 Apache 2.0） | Apache-2.0 | Anthropic 商业条款 | MIT |
| 程序化工具调用 | 默认（Script 工具） | 是，按 Factory | 未披露 | 未披露 |
| TB4，Claude Opus 5.5* | 65.2% | 未测试 | 57.6% | 62.1% |
| TB4，GPT-6.1 Sol* | 57.6% | 54.0% | 未测试 | 51.0% |
| 每通过任务耗时对比 Droid* | 基线 | Droid 慢 10%（Sol） | Droid 快 26%（Opus） | Droid 快 4% 到 24% |
| 定价 | 每月 20 美元起 | ChatGPT 套餐或 API | 未披露 | 免费、开源 |
*Terminal-Bench 4 的数据来自 Factory 自己的运行，见其方法说明部分。
开发者如何试用？
Droid 1.0 以桌面应用和终端 UI形式发布。Droid SDK 可从 Node 运行同一 harness，支持会话、流式传输和 MCP 工具。付费套餐每月 20 美元起。
关键要点
- Droid 1.0 将程序化工具调用设为默认。
- 1 个 Script 可在每次模型请求中执行数百次工具调用。
- 在 Opus 5.5 上 Terminal-Bench 4 得分 65.2%，为自报数据。
- 基础提示词缩减 37%，降至 13,055 个 token。
- 在 GPT-6.1 Sol 上，Codex 仍在速度上胜出。
查看完整的 Factory 研究文章、GitHub 上的 Droid SDK 以及 Droid 文档。另外，欢迎在 Twitter 上关注我们，别忘了加入我们的 150k+ ML SubReddit 并订阅我们的 Newsletter。等等！你在 Telegram 上吗？现在你也可以在 Telegram 上加入我们。
需要与我们合作推广你的 GitHub 仓库、Hugging Face 页面、产品发布或网络研讨会等？联系我们
文章 Meet Factory Droid 1.0: A Model-Independent Coding Agent Harness Built on Script Mode 首次发表于 MarkTechPost。
来源：MarkTechPost · marktechpost.com
来源：RadarAI · aihot.news