Factory выпустила Droid 1.0 — программную оболочку для кодирования, не привязанную к одной модели и использующую программный вызов инструментов как стандартный режим. Об этом сообщает MarkTechPost.
В собственных тестах Factory на Terminal-Bench 4 Droid набрал 65,2% с Claude Opus 5.5; стоимость составила 4,73 доллара за одну успешно выполненную задачу. Доступный материал не содержит подробностей методики и независимого подтверждения этих показателей.
комментарий редакции
Что это значит
Вероятное последствие — усиление конкуренции вокруг инструментов, которые позволяют менять используемую модель без полной перестройки рабочего процесса. Следующим наблюдаемым сигналом станут независимые результаты на Terminal-Bench 4 и данные о поддерживаемых моделях и реальной стоимости задач. Существенная неопределённость сохраняется из-за отсутствия первичного материала и полного описания тестов.
Дополнительные оценки
Ollama Cloud
GLM 5.2
Релиз Droid 1.0 отражает растущий спрос на модельно-независимые инфраструктуры для агентов, где программный вызов инструментов становится стандартом, а не надстройкой. Заявленные 65,2% на Terminal-Bench 4 при $4,73 за задачу интересны, но без независимого подтверждения и методологии остаются маркетинговой заявкой. Следующим наблюдаемым сигналом станут сторонние бенчмарки и данные о поддержке моделей помимо Claude Opus 5.5. Существенная неопределённость сохраняется из-за единственного источника, отсутствия первичного материала Factory и непрозрачности тестовой методологии.
В чём оценки сходятся- Заявленные показатели основаны только на собственных тестах Factory и не имеют независимого подтверждения — выводы об эффективности ограничены.
- Движение к модельно-независимым инструментам кодирования — реальный тренд, снижающий привязку к одному поставщику модели.
- Единственный источник в пакете — краткий синопсис MarkTechPost, что не позволяет оценить полноту и достоверность данных.
- Стоимость $4,73 за успешно выполненную задачу может быть неточным ориентиром: без разбора состава затрат показатель трудно интерпретировать.
- Термин «модельно-независимый» требует оговорки: заявлена независимость архитектуры, но единственный приведённый результат привязан к Claude Opus 5.5.
- Terminal-Bench 4 как бенчмарк пока не охарактеризован в пакете; сравнимость с другими системами остаётся недоказанной.
Ollama Cloud
Kimi K2.6
Релиз Droid 1.0 отражает стратегический сдвиг индустрии к декомпозиции стека: разделение оркестрации агентов от конкретных моделей снижает vendor lock-in и потенциально ускоряет цикл подмены моделей по соотношению цена-качество. Следующим наблюдаемым сигналом станут независимые воспроизведения на Terminal-Bench 4 и публикации о реальной стоимости задач при использовании моделей среднего ценового сегмента. Существенная неопределённость сохраняется: отсутствие первичного описания методологии и единственный краткий источник не позволяют отделить маркетинговую позицию от измеримого преимущества.
В чём оценки сходятся- Модельно-независимая оболочка действительно усиливает конкуренцию между поставщиками моделей и снижает переключательные издержки.
- Программный вызов инструментов как дефолт — логичное развитие, устраняющее лишний слой парсинга при структурированном взаимодействии.
- Стоимость $4,73 за задачу при использовании флагманской модели задаёт верхнюю границу, важную для оценки экономики агентных систем.
- 65,2% на собственном бенчмарке без независимой верификации и детализации методики — это скорее ориентир для инвесторов, чем доказательство эффективности.
- Terminal-Bench 4 как проприетарный бенчмарк Factory создаёт конфликт интересов: компания контролирует и инструмент, и метрику успеха.
- Акцент на «независимость от модели» преждевременен без данных о производительности на недорогих моделях — именно там критична экономика замены.