AI图鉴

AI图鉴首页 › AI 资讯 › Met Factory Droid 1.0:在脚本模式上构建的模型独立编码 Ag

Met Factory Droid 1.0:在脚本模式上构建的模型独立编码 Agent Harness

来源:MarkTechPost · 发布时间:10-31 · 由 AI图鉴每小时自动聚合

Factory 发布 Droid 1.0,一种模式独立编码的agent拉带,使程序工具调用默认。 在工厂自己的终点站 -- -- Bench 4运行,D

Factory拥有发布 Droid 1.0,是"Factory Droid agent"牵引装置中最大的更新。 主要变化是程序工具调用,现在默认调用。 该模型写一个程序,运行其工具。 一个模型请求现在可以驱动数百个工具呼叫。

TL;数据

- 大小:基数提示是13 055个输入符,比20 887个下降了37%。 只有两个工具定义在前面,从11。

- 运行在:macOS和Windows桌面应用,一个终端UI,以及节点SDK@factory/droid-sdk. 使用任何支持的模型,包括您自己的 API 密钥。

- 性能:每台吊带工厂通过测试的通过率最高,采用同一型号,成本较低。

- 最佳:在Bench 4号航站楼65.2%,Claude Opus 5.5,每个通过的任务4.73美元(自报)。

- 最糟糕的是:用GPT-6.1 Sol,Droid每次通过的任务比Codex要长10%.

什么是1.0机器人吗?

Droid 1.0是来自Factory公司的一种模型独立编码agent的吊带。 工厂将绳子定义为模型周围的一切。 这意味着提示,工具,工具结果如何返回,以及循环。 用户选择一个模型或让Factory Router选择一个成本效益高的组合。

方案工具如何调用?

在标准循环中,每个工具都会在模型上下文中输出获得。 通过程序工具调用(PTC),模型会写一个程序。 Droid将此作为脚本工具执行。 模型写着在沙盒中运行的JavaScript. 沙盒没有自己的文件,网络或系统访问。

原始文件,搜索结果,日志留在程序内部。 只有打印输出返回模型。 独立电话同时运行。

该想法以《守则法》(Wang等人,2024年)为基础。 工厂报告其会议的结果:

- 单位测试固定:15个工具呼叫取了5个型号呼叫而不是10个。 任务在41.6s而不是56.8s完成。

- 线性清理:在312个工具呼叫中移动和核实151个问题。 文稿使用了2个请求和约6.1万个令牌。 工厂模型在36个请求和约3.1M个令牌下直接呼叫。

- CI扫射:5,384个工作,共547个,有2个请求。 不到0.1%的工具结果达到了模型的背景。

在Claude Opus 5.5上,脚本模式削减Droid的成本比直接工具调用成本低15%. 它默认用于10种型号,包括GPT-6.1 Sol和Kimi K3.

Droid 1.0在Bench 4终端的得分如何?

工厂用同一型号对机器人进行操纵从2026年10月23日到28日,每个牵引装置每次任务进行3次试验。 只有所有三个审判中都通过的任务,才算成本和时间。

- Claude Opus 5.5:机器人得分65.2%. Cursor和OpenCode得分62.1%,Devin59.6%,Claude Code57.6%. 机器人的成本最高可降低24%.

- GPT-6.1 Sol:机器人得分57.6%,每通过任务0.79美元。 Codex分数54.0%,OpenCode51.0%,Devin45.0%.

- 速度:在Opus 5.5上,Droid每次通过任务的时间减少16%至26%. 对Claude Code,它也使用减少17%的代币。

带子上还有什么变化?

大多数变化来自内部的Agent工厂环路。 Agents读取失败并提议更改,在每个受影响的模型家族进行测试。 工程师审查和合并。

- 快速缓存:新装入的工具附在请求端。 典型的制作请求读取了缓存输入的98%.

- 莱纳第一次请求:工具定义下降46%。 很少使用的工具现在按要求装载。

- 受约束的自主性:3个相同的工具呼叫触发一个推力,6个停止循环。 压缩摘要现在持有16000个代币,从8000个上升。

- 应用耐用性:第一次油漆从1 839毫秒下降到488毫秒。 每个额外的会话现在新增大约是20 MB,而不是350 MB.

比较:Droid 1.0 vs 其他编码 agent 牵引装置

* Terminal-Bench 4 数字是工厂本身的运行量,从其方法部分看。

开发者如何尝试?

作为桌面应用程序和终端UI的Droid 1.0飞船。 Droid SDK从节点运行同样的吊带,有会话,流线和MCP工具。 每月20美元开始支付计划。

关键外卖

-Droid 1.0使程序工具调用默认值。

- 1 Script每个模型请求可以运行数百个工具呼叫。

- 65.2%在Bench 4号航站楼与Opus 5.5号航站楼,自报。

- 基期速率降低37%,到13,055个令牌。

- Codex仍然以GPT-6.1 Sol的速度获胜。

检查整个工厂的研究站,GitHub上的Droid SDK和Droid Docs. 并加入我们的通讯。 等等你在电报里吗现在你也可以加入我们的电报。

需要和我们合作推广您的 GitHub Repo OR Hugging Face Page OR Product Release OR Webinar 等吗?联系我们

Asif Razzaq是Marktechpost AI Media Inc.的首席执行官。 作为一个有远见的企业家和工程师,阿西夫致力于利用人工智能的潜力促进社会福祉。 他最近的努力是人工智能媒体平台的发布,该平台以深入报道机器学习和深层学习新闻而著称,这些新闻在技术上既可靠又为广大观众所容易理解。 该平台每月有超过200万次观看,表明其受观众欢迎。

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(marktechpost.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 603 款 AI 工具分类导航 · 每日 AI 热门项目与动态