Factory presenta Droid 1.0 con un nuevo sistema de ejecución de herramientas
Factory lanzó Droid 1.0, la mayor actualización de su infraestructura de agentes de programación, con un cambio central en la forma en que los modelos de inteligencia artificial interactúan con las herramientas necesarias para desarrollar software.
La principal novedad es la incorporación predeterminada de programmatic tool calling, un mecanismo que permite al modelo escribir un programa para coordinar y ejecutar herramientas. Con este enfoque, una sola petición al modelo puede desencadenar cientos de llamadas a herramientas.
La actualización también reduce el tamaño del prompt inicial, introduce mejoras en la gestión del contexto y modifica distintos aspectos del rendimiento del agente.
Según la cobertura publicada por MarkTechPost el 31 de octubre de 2026, Factory acompaña el lanzamiento con resultados de evaluaciones propias realizadas en Terminal-Bench 4.
Script Mode: JavaScript para coordinar las herramientas del agente
El cambio técnico más importante de Droid 1.0 es la herramienta Script, mediante la cual el modelo genera código JavaScript para ejecutar operaciones con otras herramientas.
Ese código se ejecuta dentro de un entorno aislado (sandbox) que carece de acceso directo a archivos, red y sistema. La ejecución permite procesar internamente archivos, resultados de búsquedas y registros, mientras que únicamente la salida impresa del programa regresa al modelo.
Esta arquitectura busca reducir la cantidad de información que debe intercambiarse con el modelo durante una tarea.
En lugar de devolver individualmente todos los resultados intermedios, el programa puede trabajar con ellos y transmitir la información seleccionada mediante su salida.
Factory basa este planteamiento en CodeAct, el enfoque descrito por Wang y colaboradores en 2024.
El modo Script está habilitado por defecto para 10 modelos, entre ellos GPT-6.1 Sol y Kimi K3. Según las cifras de Factory, utilizar este mecanismo con Claude Opus 5.5 reduce el costo un 15% respecto de las llamadas directas a herramientas.
Un prompt inicial más pequeño y menos definiciones de herramientas
Droid 1.0 también modifica la información inicial que recibe el modelo antes de ejecutar las tareas.
El prompt base pasó de 20.887 a 13.055 tokens de entrada, una reducción del 37% reportada por Factory.
Otra modificación es la cantidad de herramientas definidas inicialmente: el sistema presenta dos definiciones, frente a las 11 utilizadas anteriormente.
La compañía también informa una reducción del 46% en las definiciones de herramientas como parte de sus optimizaciones.
Estas modificaciones acompañan el cambio hacia un sistema en el que el modelo puede concentrar múltiples operaciones dentro de un mismo programa.
Terminal-Bench 4: Factory reporta hasta un 65,2% de tareas superadas
Factory publicó resultados de Droid 1.0 en Terminal-Bench 4, con evaluaciones realizadas entre el 23 y el 28 de octubre de 2026.
Las cifras corresponden a ejecuciones propias de Factory, con tres ensayos por tarea, y comparan diferentes herramientas de programación mediante agentes de IA.
Comparativa de resultados en Terminal-Bench 4
| Modelo utilizado | Herramienta | Tareas superadas |
|---|---|---|
| Claude Opus 5.5 | Factory Droid 1.0 | 65,2% |
| Claude Opus 5.5 | Cursor | 62,1% |
| Claude Opus 5.5 | OpenCode | 62,1% |
| Claude Opus 5.5 | Devin | 59,6% |
| Claude Opus 5.5 | Claude Code | 57,6% |
| GPT-6.1 Sol | Factory Droid 1.0 | 57,6% |
| GPT-6.1 Sol | Codex | 54,0% |
| GPT-6.1 Sol | OpenCode | 51,0% |
| GPT-6.1 Sol | Devin | 45,0% |
Fuente: resultados de ejecuciones propias de Factory en Terminal-Bench 4, con tres ensayos por tarea realizados del 23 al 28 de octubre de 2026.
Con Claude Opus 5.5, Droid alcanza el 65,2% de tareas superadas, frente al 62,1% registrado por Cursor y OpenCode.
En las evaluaciones con GPT-6.1 Sol, Droid obtiene el 57,6%, mientras Codex alcanza el 54,0%, OpenCode el 51,0% y Devin el 45,0%.
Costos, velocidad y consumo de tokens
Factory también proporciona métricas económicas y de velocidad para sus evaluaciones.
Con Claude Opus 5.5, la compañía sitúa el costo de Droid en 4,73 dólares por tarea superada y reporta una reducción de costos de hasta el 24%.
En velocidad, Factory señala que Droid necesita entre un 16% y un 26% menos de tiempo por tarea superada con Opus 5.5. Asimismo, registra un consumo de tokens un 17% inferior al de Claude Code.
Con GPT-6.1 Sol, el costo declarado para Droid es de 0,79 dólares por tarea superada.
Sin embargo, en esa configuración Factory informa que Droid tarda un 10% más por tarea superada que Codex.
Los resultados muestran diferencias tanto en rendimiento como en costos y tiempos de ejecución dependiendo del modelo y la herramienta comparada, de acuerdo con las mediciones publicadas por la propia compañía.
Caché, control de bucles y mejoras en la aplicación
La actualización incluye otros cambios orientados a la gestión de las sesiones y la ejecución del agente.
Uno de ellos afecta a la caché de prompts: Factory indica que, habitualmente, el 98% de la entrada se lee desde caché.
También introduce mecanismos de control para llamadas repetitivas. Cuando se producen tres llamadas idénticas, el sistema genera un aviso; si se alcanzan seis, detiene el bucle.
Los resúmenes utilizados durante la compactación del contexto amplían su capacidad de 8.000 a 16.000 tokens.
En la aplicación de escritorio, Factory comunica una reducción del tiempo de primer pintado de 1.839 a 488 milisegundos.
Estas mejoras complementan la nueva arquitectura de llamadas programáticas y los ajustes en el contexto de trabajo del agente.
Disponibilidad de Droid 1.0 y compatibilidad con modelos
Droid 1.0 está disponible mediante diferentes interfaces:
- Aplicación de escritorio para macOS y Windows.
- Interfaz de terminal.
- SDK de Node, distribuido como @factory/droid-sdk.
La herramienta admite cualquier modelo compatible, mediante claves API propias o a través de Factory Router.
Factory ofrece planes de pago desde 20 dólares mensuales.
La posibilidad de utilizar diferentes modelos es uno de los elementos centrales de Droid 1.0, cuyo sistema de ejecución de herramientas está diseñado para funcionar independientemente del modelo seleccionado, siempre que sea compatible.
En contexto
Droid es la herramienta de agentes de programación de Factory, y su versión 1.0 representa la mayor actualización de su harness hasta la fecha. La nueva arquitectura toma como referencia CodeAct (Wang et al., 2024) y combina compatibilidad con distintos modelos con ejecución programática de herramientas.
