智能体不打电话了，改写脚本：一次搬走 300 万 token 的手术

调用一次工具，模型要把全部上下文重发一遍。这个动作在一段长任务里重复几十次，账单的大头从来都落在「重发」两个字上。10 月 29 日，Factory 公司发布 Droid 1.0，把这个循环改掉了：模型不再一次一次要工具，它写一小段 JavaScript 程序，让程序自己去调工具，跑完只汇报一段摘要。公司自报的基准显示，这套做法在成本与分数上同时压过了 OpenAI 和 Anthropic 自家的官方外壳。

🧵 从一次一问到整段脚本

先看清旧账怎么欠的。编码智能体的运行结构分两层：模型本身只会预测文字，真正让它能读文件、跑命令的是外层那套「缰绳」，行业里叫 harness，也就是指令模板、工具定义，加上把它们串起来的执行循环。Codex 和 Claude Code 都是缰绳。以往每一次工具调用都要走一个来回，指令和历史全部重发，一份 151 条工单的批量搬运要做 312 次工具调用，折合约 36 次模型请求，吃掉约 310 万输入 token。

Droid 1.0 的做法是让模型把整个批量操作写成一段程序。程序在隔离沙箱里执行，沙箱碰不到真实文件和网络，只能调用注册过的工具接口；执行结束把结果摘要交回给模型。上面那笔搬运账，现在只要 2 次模型请求、约 6.1 万 token，缩水到五十分之一。另一次任务里，模型核对 547 次运行中的 5384 个测试作业，全程只看到一份标出 41 个失败的摘要。

小贴士：这套「程序化工具调用」并非 Factory 原创的思路，公司自己标注源头是 2024 年的 CodeAct 论文，让智能体用代码而不是单条指令与环境交互。Droid 的贡献在于把它做成了产品级的默认路径。

📏 缰绳之间的差距有多宽

Factory 跑的自家基准给出了横评数字。同样是 GPT-6.1 Sol 这个模型，套在 Droid 里比套在 Codex 里高 3.5 分，成本还低 12%；换成 Claude Opus 5.5，Droid 对 Cursor、OpenCode、Devin，直到 Anthropic 自家的 Claude Code，领先幅度在 3.0 到 7.6 分之间，成本最多低 24%。光是把调用方式换成脚本，这一项就砍掉了 Opus 5.5 上 15% 的成本。

这份基准还有一个必须写明的裁定细节：Devin 这个对手戒不掉中途向用户提问的习惯，Factory 的处理办法是，凡 Codex 解出而 Devin 因提问暂停的任务，一律记 Devin 得分，平均每个试验记 4.7 题。这项调整只动准确率，不动成本与耗时。全部数字出自厂商自测，没有第三方复现。

💰 独立缰绳这门生意

Droid 1.0 还压缩了启动指令，从 20887 token 砍到 13055，降幅 37%，办法是预先只给 2 个工具定义而不是 11 个，其余按需加载。公司还称生产请求的输入有 98% 读自供应商缓存，缓存价格远低于全价，这笔折扣直接写在账单上。

这盘生意的底层逻辑是模型中立。开发者想在 Anthropic、OpenAI 和开源权重模型（比如 Kimi K3）之间换着用，就得放弃每家实验室为自己模型调校的官方外壳的顺手感。Factory 的赌注是：一条为所有模型都调校过的中立缰绳，能把这层手感差距补回来。12% 的价差很小，你自己的代码库完全可以把它抹平，验证的办法也便宜：同一个下午，同一批任务，两边各跑一遍。真正值得记下的是这个架构信号，批量操作的算力不该花在「重发上下文」上，该花在干活上。这个道理对智能体的每一层都成立，Droid 只是把它写进了产品默认值。

信源与限定：Factory 官方发布「Droid 1.0: Building a Frontier Harness」（10 月 29 日）及 AI Insiders 的逐项核对。全部基准数字为厂商自测，无第三方复现；Devin 得分调整规则（平均每试验 4.7 题）来自 Factory 自己的方法说明；「98% 缓存读取」为公司口径；CodeAct 论文出处为 Factory 自述。

#AI编程 #智能体 #工程效率