Factory Droid 1.0: Agent Coding Model-Independent yang Bikin Hemat Token Banget

Factory baru saja drop Droid 1.0, update terbesar buat agent harness mereka. Yang bikin beda? Programmatic tool calling (PTC) sekarang jadi default. Jadi gak lagi model yang panggil tool satu-satu dan nunggu hasilnya masuk ke context — model sekarang nulis program JavaScript yang jalan di sandbox, dan program itu yang eksekusi ratusan tool call sekaligus. Hasilnya cuma output yang di-print aja yang balik ke model. Konsep ini adaptasi dari CodeAct (Wang et al., 2024), dan Factory bilang ini game-changer buat efisiensi.

Angka-angka nyata dari internal testing Factory cukup mengejutkan. Base prompt turun drastis 37%, dari 20.887 token jadi 13.055 token di request pertama. Tool definitions yang dikirim upfront cuma 2, turun dari 11 sebelumnya — tool jarang dipakai sekarang load on-demand. Cache read rate nembak 98% karena tool baru ditambah di akhir request, jadi prefix cached tetep valid. Compaction summary kapasitasnya dobel jadi 16.000 token (dulu 8.000). Latency pertama kali paint turun dari 1.839 ms jadi 488 ms, dan quit time dari 648 ms jadi 30 ms. Session tambahan sekarang cuma makan ~20 MB RAM, bukan ~350 MB per proses seperti dulu.

Script Mode Bikin Hemat 15% Biaya di Opus 5.5

Di benchmark Terminal-Bench 4 yang dijalankan Factory sendiri (3 trial per task, 23-28 Oktober 2026), Droid 1.0 score 65,2% pakai Claude Opus 5.5 dengan biaya $4,73 per passed task — self-reported paling tinggi di antara harness yang dites. Bandingin dengan Cursor dan OpenCode yang score 62,1%, Devin 59,6%, dan Claude Code 57,6%. Droid juga diklaim 16-26% lebih cepat per passed task dan pakai 17% lebih sedikit token vs Claude Code. Script mode sendiri potong biaya 15% dibanding direct tool calling di Opus 5.5, dan aktif by default untuk 10 model termasuk GPT-6.1 Sol dan Kimi K3.

Tapi gak semuanya mulus. Di GPT-6.1 Sol, Droid score 57,6% dengan biaya $0,79 per passed task — murah 12% dari Codex tapi 10% lebih lambat per passed task. Codex masih unggul speed di model ini. Factory transparan soal metodologi: hanya task yang lolos 3 trial di kedua harness yang dihitung biaya dan waktunya. Cursor gak dites di GPT-6.1 Sol. Data ini dari riset internal Factory, jadi worth a grain of salt tapi metodologinya cukup detail.

Contoh Nyata: Fix Unit Test & Linear Cleanup

Factory kasih contoh konkret. Fix failing unit test pakai GPT-6.1 Sol: 15 tool calls selesai dalam 5 model calls (41,6 detik) via Script mode, vs 10 model calls (56,8 detik) lewat direct calling. Linear cleanup 151 issue: 312 tool calls, 2 model requests, ~61.000 token via Script. Estimasi direct calling butuh 36 requests dan ~3,1 juta token. CI sweep 5.384 job di 547 run: cuma 2 requests, dan kurang dari 0,1% tool results yang sampai ke context model. Angka-angka ini dari sesi nyata Factory, bukan simulasi.

Bisa Dicoba Sekarang, Mulai $20/Bulan

Droid 1.0 tersedia sebagai desktop app (macOS dan Windows), terminal UI, dan Node SDK (@factory/droid-sdk). SDK jalanin harness yang sama dengan sessions, streaming, dan MCP tools. Model support model-independent — kamu bisa bawa API key sendiri (BYOK) atau pakai Factory Router yang otomatis pilih mix model paling cost-efficient. Lisensi SDK Apache 2.0, tapi harness utamanya lisensinya gak diumumin. Paid plan mulai $20/bulan. Buat developer yang pengen coba agent coding yang gak terikat satu vendor model dan hemat token, ini worth a shot.

Bottom line: Droid 1.0 buktiin kalau programmatic tool calling bukan cuma teori — bisa nyata bikin agent coding lebih cepat, murah, dan scalable. Prompt yang lebih ringkas, cache yang agresif, dan sandbox JavaScript yang isolate tool execution bikin arsitek ini beda dari Codex CLI, Claude Code, atau OpenCode. Masih early days (data self-reported Factory), tapi angka Terminal-Bench 4 dan latency improvement cukup convincing buat dicoba. Kalau kamu tim yang butuh agent coding flexible across models, Droid 1.0 layak masuk shortlist.