Революция в архитектуре: от последовательных вызовов к скриптам
Главное нововведение Factory Droid 1.0 — включенный по умолчанию режим Programmatic Tool Calling (PTC). В традиционных петлях агентов каждый результат работы инструмента загружается в контекст модели, что быстро приводит к переполнению окна и росту затрат. В новом подходе модель генерирует JavaScript-скрипт, который выполняется в изолированной песочнице. Сырые данные (файлы, логи, результаты поиска) остаются внутри скрипта, а в контекст LLM возвращается только сформированный вывод.
Это решение, вдохновленное концепцией CodeAct, позволяет одной запросом модели инициировать сотни параллельных вызовов инструментов. Для тестирования доступны macOS, Windows, терминальный интерфейс и Node SDK (@factory/droid-sdk). Поддерживаются любые модели, включая пользовательские API-ключи.
Экономия ресурсов и рост эффективности
Factory сообщает о значительном сокращении базового промпта: с 20 887 до 13 055 входных токенов (снижение на 37%). Количество предварительно загруженных определений инструментов сократилось с 11 до 2. Режим Script Mode по умолчанию активен для 10 моделей, включая GPT-6.1 Sol и Kimi K3.
На практике это дает следующие результаты:
- Исправление unit-тестов: 15 вызовов инструментов требуют всего 5 запросов модели (вместо 10). Время выполнения сократилось с 56.8 до 41.6 секунд.
- Массовая очистка кода: Перемещение и проверка 151 проблемы заняли 312 вызовов инструментов. Скрипт использовал 2 запроса и ~61 000 токенов, тогда как прямые вызовы от моделей требовали 36 запросов и ~3.1 млн токенов.
- CI-свип: Обработка 5 384 задач в 547 запусках заняла всего 2 запроса. Менее 0.1% результатов инструментов достигло контекста модели.
Бенчмарки и стоимость
Factory заявляет, что Droid 1.0 показывает наивысший процент успешных прохождений (pass rate) среди всех протестированных сред для одной и той же модели. На benchmark Terminal-Bench 4 с моделью Claude Opus 5.5 достигнут результат 65.2% при стоимости $4.73 за пройденную задачу. Использование Script Mode на Claude Opus 5.5 снижает затраты Droid на 15% по сравнению с прямым вызовом инструментов.
| Метрика / Сценарий | Прямой вызов инструментов (Direct) | Script Mode (Droid 1.0) |
|---|---|---|
| Базовый промпт (токены) | 20,887 | 13,055 (-37%) |
| Исправление тестов (запросы модели) | 10 | 5 |
| Исправление тестов (время) | 56.8 сек | 41.6 сек |
| Массовая очистка (токены) | ~3.1 млн | ~61,000 |
| Стоимость на Terminal-Bench 4 (Claude Opus 5.5) | База | $4.73 за задачу (-15% затрат) |
Почему это важно
Выпуск Droid 1.0 знаменует сдвиг от «болтливых» агентов, которые тратят большую часть контекста на передачу промежуточных данных, к «программистам», которые пишут код для автоматизации рутины. Снижение потребления токенов в десятки раз делает массовое применение AI-агентов в CI/CD и рефакторинге экономически целесообразным. Factory позиционирует продукт как универсальную оболочку, где пользователь выбирает модель, а система оптимизирует маршрут и стоимость выполнения задач.
Источник: MarkTechPost ↗