Por Canuto  

Factory presentó Droid 1.0 con llamadas programáticas a herramientas activadas por defecto. La empresa afirma que el agente reduce el contexto inicial y mejora resultados en pruebas de programación, aunque sus cifras son propias y el desempeño cambia según el modelo.
***

  • Droid 1.0 permite que el modelo escriba scripts capaces de ejecutar múltiples llamadas a herramientas en una misma solicitud.
  • Factory reporta 65,2% en Terminal-Bench 4 con Claude Opus 5.5 y un prompt inicial 37% menor.
  • En las pruebas con GPT-6.1 Sol, Codex fue más rápido por tarea aprobada, según la comparación divulgada.

Un agente de código con un nuevo modo de operar

Factory presentó Droid 1.0, una actualización importante de su agente de programación que cambia la forma en que el modelo usa herramientas. La novedad central es la llamada programática a herramientas, activada por defecto: en vez de solicitar cada acción por separado y recibir su resultado en el contexto, el modelo puede escribir un programa que coordina varias acciones.

El lanzamiento busca que una solicitud al modelo pueda dar pie a cientos de llamadas a herramientas, según la descripción del producto. MarkTechPost, en un reporte que recoge resultados divulgados por Factory, señala que el agente está diseñado para funcionar con distintos modelos compatibles, claves de API propias o la opción de Factory Router, que selecciona una combinación que la empresa considera rentable.

El concepto de harness se refiere a la infraestructura que rodea al modelo para convertirlo en un agente: incluye instrucciones, herramientas disponibles, el tratamiento de sus resultados y el ciclo de ejecución. Por eso, Droid 1.0 no es un nuevo modelo de lenguaje, sino una capa de software que organiza cómo un modelo inspecciona un proyecto, toma acciones y revisa lo que ocurre.

La herramienta se ofrece como aplicación de escritorio para macOS y Windows, interfaz de terminal y SDK de Node, disponible como @factory/droid-sdk. Factory indica que el SDK permite trabajar con sesiones, transmisión de resultados y herramientas MCP, mientras los planes de pago comienzan en USD $20 mensuales; la licencia del producto no se revela, aunque el SDK figura bajo Apache 2.0.

Scripts para reducir el intercambio con el modelo

En un flujo convencional, cada salida de una herramienta vuelve al contexto del modelo, que debe procesarla antes de pedir la siguiente acción. Droid introduce una herramienta llamada Script: el modelo genera JavaScript y el sistema lo ejecuta en un entorno aislado, donde el programa puede coordinar tareas independientes de manera concurrente.

El sandbox no tiene acceso propio a archivos, redes ni al sistema, de acuerdo con la descripción técnica. Los resultados brutos, como archivos, búsquedas y registros, permanecen dentro del programa y solo lo que este imprime vuelve al modelo, un diseño que puede reducir el volumen de información que debe procesar cada solicitud.

La idea se inspira en CodeAct, un trabajo de Wang y otros autores publicado en 2024, según el artículo fuente. En las pruebas internas divulgadas, una tarea de corrección de pruebas unitarias requirió 15 llamadas a herramientas, pero se resolvió con cinco llamadas al modelo en lugar de diez; el tiempo informado bajó de 56,8 a 41,6 segundos.

Otro ejemplo reunió 151 problemas que debían moverse y verificarse: el script completó el trabajo con dos solicitudes y cerca de 61.000 tokens, mientras el modo de llamadas directas necesitó 36 solicitudes y aproximadamente 3,1 millones de tokens. En una inspección de CI, la herramienta procesó 5.384 trabajos a través de 547 ejecuciones y mantuvo por debajo de 0,1% la proporción de resultados que llegó al contexto del modelo.

Menor contexto inicial y controles de ejecución

Factory informa que el prompt base de Droid 1.0 ocupa 13.055 tokens de entrada, 37% menos que los 20.887 anteriores. También redujo de 11 a dos las definiciones de herramientas enviadas al comienzo, de modo que las herramientas menos utilizadas se cargan bajo demanda y no necesariamente consumen espacio desde el inicio de cada sesión.

La compañía atribuye parte de esa reducción a la caché de prompts, que permite reutilizar entradas ya procesadas. Según las cifras reportadas, una solicitud típica de producción lee desde la caché 98% de sus entradas, mientras las herramientas incorporadas después se añaden al final de la solicitud para aprovechar mejor esa capacidad.

El agente también incorpora límites para evitar que el ciclo de trabajo repita acciones sin avanzar. Tres llamadas idénticas a herramientas activan un aviso o “empujón” al modelo, y seis detienen el bucle; además, los resúmenes usados durante la compresión de contexto aumentaron de 8.000 a 16.000 tokens.

La actualización incluye cambios de rendimiento en la aplicación: Factory reporta que el primer pintado cayó de 1.839 a 488 milisegundos y que cada sesión adicional ahora añade unos 20 MB, frente a 350 MB antes. Son métricas internas de la empresa, pero apuntan a una mejora que afecta tanto el arranque como el uso simultáneo de sesiones.

Resultados de Terminal-Bench 4 y límites de la comparación

Para evaluar Droid, Factory comparó distintos harnesses con el mismo modelo y ejecutó tres ensayos por tarea entre el 23 y el 28 de octubre de 2026, según su publicación Droid 1.0: Building a Frontier Harness. La metodología solo contabilizó costo y tiempo para las tareas que ambos sistemas comparados aprobaron en los tres ensayos, una condición que acota la comparación a resultados repetidos y no a éxitos aislados.

Con Claude Opus 5.5, Droid obtuvo 65,2% en Terminal-Bench 4, frente a 62,1% de Cursor y OpenCode, 59,6% de Devin y 57,6% de Claude Code. Factory afirma que Droid costó hasta 24% menos y necesitó entre 16% y 26% menos tiempo por tarea aprobada; también informó un uso de tokens 17% inferior al de Claude Code.

En la comparación con GPT-6.1 Sol, Droid alcanzó 57,6% y un costo de USD $0,79 por tarea aprobada, mientras Codex registró 54,0%, OpenCode 51,0% y Devin 45,0%. Sin embargo, el propio balance de Factory señala que Droid tardó 10% más por tarea aprobada que Codex con ese modelo, un contraste que impide presentar la mejora como uniforme para todos los sistemas.

La comparación no debe leerse como una evaluación independiente: los resultados de Terminal-Bench 4 corresponden a pruebas reportadas por Factory y dependen de los modelos, las tareas y la metodología escogidos. En Claude Opus 5.5, el modo Script redujo 15% el costo de Droid frente a las llamadas directas, y se activó por defecto para diez modelos, entre ellos GPT-6.1 Sol y Kimi K3.

Disponibilidad y qué observar

La propuesta de Droid combina independencia del modelo con una infraestructura propia para ejecutar instrucciones y herramientas. La tabla comparativa publicada lo contrasta con Codex CLI, Claude Code y OpenCode: atribuye a este último soporte para más de 75 proveedores y modelos locales, mientras describe a Codex como disponible mediante un plan de ChatGPT o una clave de API.

La misma tabla presenta a Claude Code como un agente asociado a Claude y a OpenCode como un proyecto de Anomaly con licencia MIT, mientras que Codex CLI aparece bajo Apache-2.0. Para Droid, Factory no informa la licencia del producto completo, aunque sí la del SDK; esa diferencia importa para desarrolladores que evalúan no solo capacidad técnica, sino también condiciones de uso y modificación.

Los resultados difundidos reflejan una apuesta por trasladar parte del trabajo repetitivo desde el intercambio de mensajes con el modelo hacia scripts que agrupan operaciones. Menos respuestas intermedias pueden implicar menor consumo de contexto y menos latencia, pero el rendimiento final también depende de la calidad del código generado, de los controles del entorno y de cómo se mide el éxito de cada tarea.

Los desarrolladores pueden probar Droid desde la aplicación de escritorio, la interfaz de terminal o el SDK de Node, y elegir entre sus propias claves de API y el enrutamiento de Factory. La pregunta pendiente para quienes lo adopten será si las mejoras reportadas se mantienen en sus repositorios y modelos habituales, especialmente porque las cifras publicadas son pruebas de la propia compañía y muestran diferencias de velocidad según el modelo usado.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados