Das Unternehmen Factory hat Droid 1.0 veröffentlicht, das größte Update für sein Coding-Agent-Harness Factory Droid. Die Hauptänderung, die nun standardmäßig aktiviert ist, ist der programmatische Tool-Aufruf: Anstatt Aufrufe nacheinander zu verketten, schreibt das Modell ein Programm, das seine Werkzeuge selbst ausführt, und eine einzige Anfrage kann Hunderte davon auslösen.
Factory bezeichnet als « Harness » alles, was das Modell umgibt: die Prompts, die Werkzeuge, die Art und Weise, wie ihre Ergebnisse zurückkommen, und die Arbeits-Schleife. Droid 1.0 ist modellunabhängig. Die Nutzer wählen das gewünschte Modell selbst aus oder lassen Factory Router eine als kostengünstiger eingeschätzte Mischung zusammenstellen.
Ein Programm statt aufeinanderfolgender Aufrufe
In einer klassischen Schleife wird jede Tool-Ausgabe zum Kontext des Modells hinzugefügt, also zum Text, den es verarbeiten muss, gemessen in Tokens (den Wortfragmenten, mit denen Sprachmodelle arbeiten). Beim programmatischen Tool-Aufruf verfasst das Modell stattdessen ein Programm. Droid setzt es in Form eines Tools namens Script um, geschrieben in JavaScript und ausgeführt in einer Sandbox (sandbox), einer isolierten Umgebung, die per se keinen Zugriff auf Dateien, Netzwerk oder das System hat.
Rohdateien, Suchergebnisse und Protokolle bleiben innerhalb des Programms. Nur die angezeigte Ausgabe kehrt zum Modell zurück, und unabhängige Aufrufe werden parallel ausgeführt. Der Ansatz stützt sich auf die Arbeit CodeAct (Wang et al., 2024).
Factory nennt drei Beispiele aus eigenen Sitzungen. Um einen Unit-Test zu korrigieren, benötigten 15 Tool-Aufrufe 5 Modellanfragen statt 10, und die Aufgabe wurde in 41,6 s statt 56,8 s abgeschlossen. Für die Bereinigung von 151 Tickets auf Linear waren 312 Tool-Aufrufe nötig; das Script nutzte 2 Anfragen und etwa 61.000 Tokens, während direkte Aufrufe laut Factory-Schätzung 36 Anfragen und etwa 3,1 Millionen Tokens benötigt hätten. Schließlich wurde ein Scan von 5.384 Aufgaben, verteilt auf 547 Ausführungen, in 2 Anfragen durchgeführt, und weniger als 0,1 % der Tool-Ergebnisse erreichten den Modellkontext. Bei Claude Opus 5.5 reduziert der Script-Modus die Kosten von Droid im Vergleich zu direkten Aufrufen um 15 %. Er ist für zehn Modelle standardmäßig aktiviert, darunter GPT-6.1 Sol und Kimi K3.
Von Factory veröffentlichte Ergebnisse
Factory hat jedes Harness mit Droid auf demselben Modell verglichen, mit 3 Versuchen pro Aufgabe, vom 23. bis 28. Oktober 2026. Laut dem Unternehmen erzielt Droid auf dem Benchmark Terminal-Bench 4 65,2 % mit Claude Opus 5.5, vor Cursor und OpenCode (62,1 %), Devin (59,6 %) und Claude Code (57,6 %). Die angegebenen Kosten belaufen sich auf 4,73 Dollar pro erfolgreicher Aufgabe. Mit GPT-6.1 Sol erreicht Droid 57,6 % für 0,79 Dollar pro erfolgreicher Aufgabe, gegenüber 54,0 % für Codex, 51,0 % für OpenCode und 45,0 % für Devin. Factory präzisiert jedoch, dass Droid mit diesem Modell 10 % mehr Zeit pro erfolgreicher Aufgabe benötigt als Codex und dass Cursor auf GPT-6.1 Sol nicht getestet wurde.
Die anderen Änderungen betreffen hauptsächlich Leichtigkeit und Reaktionsfähigkeit. Der Basis-Prompt wurde von 20.887 auf 13.055 Tokens reduziert, also um 37 % weniger, und Droid sendet anfangs nur noch 2 Tool-Definitionen statt bisher 11. Laut Factory liest eine typische Produktionsanfrage 98 % ihrer Eingaben aus dem Cache. Drei identische Aufrufe lösen einen Neustart aus, und sechs stoppen die Schleife. Die erste Anzeige der Anwendung verbessert sich von median 1.839 ms auf 488 ms, und jede zusätzliche Sitzung fügt etwa 20 MB hinzu, gegenüber etwa 350 MB zuvor.
Droid 1.0 wird als Desktop-Anwendung für macOS und Windows, als Terminal-Schnittstelle und als Node-SDK @factory/droid-sdk angeboten. Die kostenpflichtigen Pläne beginnen bei 20 Dollar pro Monat.
