La empresa Factory ha publicado Droid 1.0, la actualización más importante de su arnés de agente de codificación, Factory Droid. El cambio principal, ahora activado por defecto, es la llamada programática de herramientas: en lugar de encadenar las llamadas una por una, el modelo escribe un programa que ejecuta sus propias herramientas, y una sola solicitud puede desencadenar cientos.
Factory llama « arnés » al conjunto de lo que rodea al modelo: los prompts, las herramientas, la forma en que sus resultados regresan y el bucle de trabajo. Droid 1.0 es independiente del modelo. Los usuarios eligen el que desean, o dejan que Factory Router componga una mezcla considerada más económica.
Un programa en lugar de llamadas sucesivas
En un bucle clásico, cada salida de herramienta se añade al contexto del modelo, es decir, al texto que debe procesar, medido en tokens (los fragmentos de palabras que manipulan los modelos de lenguaje). Con la llamada programática de herramientas, el modelo redacta un programa en su lugar. Droid lo implementa en forma de una herramienta llamada Script, escrita en JavaScript y ejecutada en un entorno de pruebas (sandbox), un entorno aislado que por sí mismo no tiene acceso a archivos, red ni sistema.
Los archivos brutos, los resultados de búsqueda y los registros permanecen dentro del programa. Solo la salida mostrada regresa al modelo, y las llamadas independientes se ejecutan en paralelo. El enfoque se basa en el trabajo CodeAct (Wang et al., 2024).
Factory cita tres ejemplos extraídos de sus propias sesiones. Para corregir una prueba unitaria, 15 llamadas a herramientas requirieron 5 solicitudes al modelo en lugar de 10, y la tarea se completó en 41,6 s en lugar de 56,8 s. Para la limpieza de 151 tickets en Linear, se necesitaron 312 llamadas a herramientas; el Script utilizó 2 solicitudes y aproximadamente 61 000 tokens, mientras que las llamadas directas, estimadas por Factory, requerirían 36 y unos 3,1 millones. Por último, un escaneo de 5 384 tareas repartidas en 547 ejecuciones se realizó en 2 solicitudes, y menos del 0,1 % de los resultados de herramientas llegaron al contexto del modelo. En Claude Opus 5.5, el modo Script reduce un 15 % el coste de Droid en comparación con las llamadas directas. Está activado por defecto para diez modelos, incluidos GPT-6.1 Sol y Kimi K3.
Resultados publicados por Factory
Factory comparó cada arnés con Droid en un mismo modelo, con 3 intentos por tarea, del 23 al 28 de octubre de 2026. En el benchmark Terminal-Bench 4, según la empresa, Droid obtiene un 65,2 % con Claude Opus 5.5, por delante de Cursor y OpenCode (62,1 %), Devin (59,6 %) y Claude Code (57,6 %). El coste anunciado asciende a 4,73 dólares por tarea completada con éxito. Con GPT-6.1 Sol, Droid alcanza un 57,6 % por 0,79 dólar por tarea exitosa, frente al 54,0 % de Codex, el 51,0 % de OpenCode y el 45,0 % de Devin. Factory precisa, sin embargo, que Droid emplea un 10 % más de tiempo por tarea exitosa que Codex con este modelo, y que Cursor no fue probado en GPT-6.1 Sol.
Los demás cambios conciernen sobre todo la ligereza y la reactividad. El prompt base pasó de 20 887 a 13 055 tokens, un 37 % menos, y Droid ahora solo envía 2 definiciones de herramientas al inicio, frente a las 11 anteriores. Según Factory, una solicitud de producción típica lee el 98 % de sus entradas desde la caché. Tres llamadas idénticas desencadenan un reintento, y seis detienen el bucle. La primera visualización de la aplicación pasa de 1 839 ms a 488 ms de mediana, y cada sesión adicional añade unos 20 MB, frente a los aproximadamente 350 MB anteriores.
Droid 1.0 se ofrece como aplicación de escritorio para macOS y Windows, interfaz de terminal y SDK Node, @factory/droid-sdk. Los planes de pago comienzan en 20 dólares al mes.
