AI宝库

AI宝库首页 › AI 资讯 › Met Factory Droid 1.0:在脚本模式上构建一个模型-独立编码

Met Factory Droid 1.0:在脚本模式上构建一个模型-独立编码 Agent Harness

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

Factory 发布 Droid 1.0,一种能使程序工具调用默认的模型独立编码的agent取用。 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"机床上最大的更新。 主要变化是程序工具调用,现在默认调用。 该模型会写一个运行其工具的程序。 一个模型请求现在可以驱动上百个工具呼叫。

TL; DR 数据

- 大小:基础快取为13 055个输入符,比20 887个下降了37%。 只有2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:以同型号测试的每台吊带工厂通过率最高,成本较低。

- 最佳:在Bench 4号终点站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需要多出10%.

什么是机器人1.0?

Droid 1.0是厂家出产的一款模型独立编码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"工厂路由器"选择一个成本效率高的组合。

方案工具如何调用?

在标准回路中,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。 模型会写出在沙盒中运行的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《法典法案》(Wang等,2024年)为基础。 工厂根据自己的会议报告这些结果:

- 单元测试固定:15个工具呼叫取了5个模型呼叫而不是10个。 任务以41.6 s 而不是 56.8 s 完成。

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

- CI扫描: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,Script mode 削减 Droid对直接工具呼叫的成本为15%. 它默认用于10个型号,包括GPT-6.1 Sol和Kimi K3.

Droid 1.0在Bench 4号航站楼得分如何?

工厂用同一型号对机器人进行操纵从2026年10月23日至28日,每个牵引装置每次任务进行三次试验。 所有3起审判中都通过的任务都算成本和时间

- Claude Opus 5.5:Droid得分65.2%. Cursor和OpenCode得分62.1%,德文59.6%,Claude Code57.6%. 机器人成本可降低24%.

- GPT-6.1 Sol:机器人得分57.6%,每通过任务0.79分。 Codex评分54.0%,OpenCode评分51.0%,德文评分45.0%.

- 速度:在Opus 5.5上,Droid每次通过任务的时间会减少16%到26%. 与Claude Code相对,它也使用了17%的代币。

还有什么改变在绳子上?

大多数变化来自内部的Agent工厂回路。 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。 工程师审查与合并。

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

- Leaner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入。

- 受约束的自主性:3个相同的工具呼叫触发了一动,6个停止循环。 压缩摘要现在持有一万六千个代币,从八千个起。

- 应用耐用: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 数字是工厂自己的业务,从其方法部分看。

开发者如何尝试?

Droid 1.0飞船作为桌面应用程序和终端UI. Droid SDK从节点运行相同的被子,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个脚本每个模型请求可以运行上百个工具呼叫。

- 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的速度取胜。

看看整个工厂的研究站,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为社会造福。 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出名,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宝库自动抓取并翻译,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宝库首页 · 提交工具 · 商务合作 · 关于本站 · 602 款 AI 工具分类导航 · 每日 AI 热门项目与动态