Het bedrijf Factory heeft Droid 1.0 uitgebracht, de grootste update van zijn codeeragent-harnas, Factory Droid. De belangrijkste wijziging, nu standaard ingeschakeld, is de programmatische aanroep van tools: in plaats van opeenvolgende aanroepen, schrijft het model een programma dat zelf zijn tools uitvoert, en één enkele aanvraag kan er honderden activeren.
Factory noemt het ‘harnas’ het geheel van wat het model omringt: de prompts, de tools, de manier waarop hun resultaten terugkomen en de werkloop. Droid 1.0 is model-onafhankelijk. Gebruikers kiezen zelf welk model ze willen, of laten Factory Router een als economischer beschouwd mengsel samenstellen.
Een programma in plaats van opeenvolgende aanroepen
In een klassieke loop wordt elke tooloutput toegevoegd aan de context van het model, dat wil zeggen de tekst die het moet verwerken, gemeten in tokens (de woordfragmenten die taalmodelen manipuleren). Met de programmatische toolaanroep schrijft het model in plaats daarvan een programma. Droid implementeert dit als een tool genaamd Script, geschreven in JavaScript en uitgevoerd in een sandbox (sandbox), een geïsoleerde omgeving die op zichzelf geen toegang heeft tot bestanden, het netwerk of het systeem.
Ruwe bestanden, zoekresultaten en logs blijven binnen het programma. Alleen de weergegeven output komt terug bij het model, en onafhankelijke aanroepen worden parallel uitgevoerd. De aanpak bouwt voort op het CodeAct-werk (Wang et al., 2024).
Factory citeert drie voorbeelden uit eigen sessies. Om een unit test te repareren, vroegen 15 toolaanroepen 5 modelverzoeken in plaats van 10, en de taak werd voltooid in 41,6 s in plaats van 56,8 s. Voor het opruimen van 151 tickets op Linear waren 312 toolaanroepen nodig; het Script gebruikte 2 verzoeken en ongeveer 61.000 tokens, terwijl directe aanroepen, geschat door Factory, er 36 en ongeveer 3,1 miljoen zouden vragen. Tot slot werd een scan van 5.384 taken verdeeld over 547 uitvoeringen gedaan in 2 verzoeken, en minder dan 0,1% van de toolresultaten bereikte de modelcontext. Op Claude Opus 5.5 verlaagt de Script-modus de kosten van Droid met 15% vergeleken met directe aanroepen. Hij is standaard ingeschakeld voor tien modellen, waaronder GPT-6.1 Sol en Kimi K3.
Resultaten gepubliceerd door Factory
Factory heeft elk harnas vergeleken met Droid op hetzelfde model, met 3 pogingen per taak, van 23 tot 28 oktober 2026. Op de benchmark Terminal-Bench 4 behaalt Droid volgens het bedrijf 65,2% met Claude Opus 5.5, voor Cursor en OpenCode (62,1%), Devin (59,6%) en Claude Code (57,6%). De aangekondigde kosten bedragen 4,73 dollar per geslaagde taak. Met GPT-6.1 Sol bereikt Droid 57,6% voor 0,79 dollar per geslaagde taak, tegen 54,0% voor Codex, 51,0% voor OpenCode en 45,0% voor Devin. Factory preciseert echter dat Droid 10% meer tijd per geslaagde taak nodig heeft dan Codex met dit model, en dat Cursor niet is getest op GPT-6.1 Sol.
De andere wijzigingen gaan vooral over lichtgewicht en reactiviteit. De basisprompt is gegaan van 20.887 naar 13.055 tokens, een daling van 37%, en Droid stuurt nu slechts 2 tooldefinities aan het begin, tegen 11 voorheen. Volgens Factory leest een typische productieaanvraag 98% van zijn inputs uit de cache. Drie identieke aanroepen triggeren een herstart, en zes stoppen de loop. De eerste weergave van de applicatie gaat van een mediaan van 1.839 ms naar 488 ms, en elke extra sessie voegt ongeveer 20 MB toe, tegen ongeveer 350 MB voorheen.
Droid 1.0 wordt aangeboden als desktopapplicatie voor macOS en Windows, terminalinterface en Node SDK, @factory/droid-sdk. Betaalde abonnementen beginnen bij 20 dollar per maand.
