เปิดตัว Factory Droid 1.0 ยกระดับ Coding Agent แบบไม่จำกัดโมเดล

Factory ประกาศเปิดตัว Droid 1.0 ซึ่งเป็นการอัปเดตครั้งสำคัญที่สุดของ Factory Droid agent harness โดยเปลี่ยนมาใช้การเรียกใช้เครื่องมือผ่านโปรแกรม (Programmatic Tool Calling - PTC) เป็นค่าเริ่มต้น ระบบนี้ช่วยให้โมเดลสามารถเขียนโปรแกรมเพื่อรันเครื่องมือได้ด้วยตัวเอง ทำให้การขอข้อมูลจากโมเดลเพียงครั้งเดียว (One model request) สามารถสั่งการเรียกใช้เครื่องมือได้นับร้อยครั้ง

ข้อมูลสำคัญเบื้องต้น

• ประสิทธิภาพที่เพิ่มขึ้น: Prompt พื้นฐานลดลงเหลือ 13,055 input tokens (ลดลง 37%) และลดการส่งนิยามเครื่องมือล่วงหน้าเหลือเพียง 2 ชุดจากเดิม 11 ชุด
• แพลตฟอร์มที่รองรับ: ใช้งานได้ทั้งบน macOS, Windows, Terminal UI และ Node SDK @factory/droid-sdk รองรับทุกโมเดลและสามารถใช้ API keys ของผู้ใช้เองได้
• ผลลัพธ์การทดสอบ: ทำอัตราการผ่าน (Pass rate) ได้สูงสุดในบรรดา harness ที่ Factory เคยทดสอบ โดยมีค่าใช้จ่ายที่ต่ำกว่า
• สถิติสูงสุด: ทำคะแนนได้ 65.2% บน Terminal-Bench 4 ด้วย Claude Opus 5.5 โดยมีค่าใช้จ่ายเพียง 4.73 ดอลลาร์ต่อภารกิจที่สำเร็จ
• ข้อสังเกต: เมื่อใช้งานร่วมกับ GPT-6.1 Sol พบว่า Droid ใช้เวลาต่อภารกิจนานกว่า Codex ประมาณ 10%

ในลูปการทำงานทั่วไป ผลลัพธ์จากเครื่องมือทุกอย่างจะถูกส่งกลับไปยัง Context ของโมเดล แต่ระบบ PTC จะให้โมเดลเขียนโปรแกรมขึ้นมาแทน โดย Droid ใช้งานผ่านเครื่องมือที่เรียกว่า Script ซึ่งจะเขียน JavaScript และรันใน Sandbox ที่แยกส่วนชัดเจนเพื่อความปลอดภัย โดยตัว Sandbox จะไม่มีสิทธิ์เข้าถึงไฟล์ เครือข่าย หรือระบบโดยตรง

ไฟล์ดิบ ผลการค้นหา และ Logs ต่างๆ จะถูกจัดการภายในโปรแกรม และมีเพียงผลลัพธ์ที่สั่งพิมพ์ออกมาเท่านั้นที่จะถูกส่งกลับไปยังโมเดล นอกจากนี้การเรียกใช้งานที่แยกจากกันยังสามารถทำงานแบบขนาน (Concurrently) ได้อีกด้วย

ตัวอย่างประสิทธิภาพที่ได้รับจากการใช้โหมด Script ได้แก่:

• การแก้ไข Unit test: จากเดิมที่ต้องเรียกเครื่องมือ 15 ครั้งและเรียกโมเดล 10 ครั้ง ลดลงเหลือการเรียกโมเดลเพียง 5 ครั้ง และประหยัดเวลาจาก 56.8 วินาที เหลือ 41.6 วินาที
• การเคลียร์งานแบบ Linear: ภารกิจ 151 รายการที่ต้องเรียกเครื่องมือ 312 ครั้ง ระบบ Script ใช้การขอข้อมูลเพียง 2 ครั้ง (61,000 tokens) เทียบกับวิธีเดิมที่ต้องขอข้อมูลถึง 36 ครั้ง (3.1M tokens)
• การกวาดล้าง CI: รองรับงานได้ถึง 5,384 รายการจากการรัน 547 ครั้ง ด้วยการขอข้อมูลเพียง 2 ครั้ง โดยส่งผลลัพธ์กลับไปยัง Context ของโมเดลน้อยกว่า 0.1%

สำหรับโมเดล Claude Opus 5.5 โหมด Script ช่วยลดต้นทุนลงได้ 15% เมื่อเทียบกับการเรียกใช้เครื่องมือแบบเดิม และปัจจุบันได้เปิดใช้งานเป็นค่าเริ่มต้นสำหรับ 10 โมเดลชั้นนำ รวมถึง GPT-6.1 Sol และ Kimi K3

ผลการทดสอบ Droid 1.0 บน Terminal-Bench 4

Factory ได้เปรียบเทียบ Droid กับ harness ตัวอื่นๆ บนโมเดลเดียวกัน โดยทำการทดสอบ 3 ครั้งต่อภารกิจในช่วงปลายเดือนตุลาคม 2026 และนำเฉพาะภารกิจที่ผ่านการทดสอบครบทั้ง 3 ครั้งมาคำนวณต้นทุนและเวลา

• Claude Opus 5.5: Droid ทำได้ 65.2% ชนะ Cursor (62.1%), Devin (59.6%) และ Claude Code (57.6%) โดยมีต้นทุนต่ำกว่าถึง 24%
• GPT-6.1 Sol: Droid ทำคะแนนได้ 57.6% ที่ราคา 0.79 ดอลลาร์ต่อภารกิจ ชนะ Codex (54.0%) และ Devin (45.0%)
• ความเร็ว: ในการทำงานร่วมกับ Opus 5.5 Droid ใช้เวลาน้อยกว่า 16% ถึง 26% และใช้ tokens น้อยกว่า 17% เมื่อเทียบกับ Claude Code

การปรับปรุงอื่นๆ ในระบบ Harness

การพัฒนาส่วนใหญ่มาจากลูป Agent Factory ภายในที่วิเคราะห์ความล้มเหลวและเสนอการแก้ไขโดยอัตโนมัติ ซึ่งมีการปรับปรุงในหลายส่วน:

• Prompt cache: พัฒนาให้การเรียกข้อมูลในระดับ Production สามารถอ่านจาก Cache ได้ถึง 98%
• ลดภาระการเรียกข้อมูล: ปรับให้นิยามเครื่องมือน้อยลง 46% โดยจะโหลดเครื่องมือเฉพาะเมื่อจำเป็นเท่านั้น
• ระบบควบคุมอัตโนมัติ (Bounded autonomy): มีการแจ้งเตือน (Nudge) เมื่อมีการเรียกเครื่องมือซ้ำซ้อน และหยุดลูปหากเกิดขึ้นเกิน 6 ครั้ง พร้อมเพิ่มขีดความสามารถในการย่อข้อมูล (Compaction) เป็น 16,000 tokens
• ประสิทธิภาพแอปพลิเคชัน: ลดเวลาการแสดงผลครั้งแรก (First paint) จาก 1,839 ms เหลือ 488 ms และลดการใช้หน่วยความจำต่อ Session เหลือเพียง 20 MB จากเดิม 350 MB

ตารางเปรียบเทียบ: Droid 1.0 vs Coding Agent Harness อื่นๆ

*หมายเหตุ: ตัวเลขจาก Terminal-Bench 4 เป็นข้อมูลจากการรันของ Factory เอง

Asif Razzaq ในฐานะ CEO ของ Marktechpost AI Media Inc. และวิศวกรผู้เชี่ยวชาญ ยังคงเดินหน้าผลักดันศักยภาพของ Artificial Intelligence ผ่านแพลตฟอร์มสื่อที่นำเสนอข้อมูลเชิงลึกด้าน Machine Learning ซึ่งปัจจุบันมียอดการเข้าชมมากกว่า 2 ล้านครั้งต่อเดือน