编码 Agent 的竞争正在从「谁的模型更强」转向「谁的脚手架更会调度模型」。Factory 的 Droid 1.0 就是这个转向的一个明确信号。
发生了什么
Factory 发布了 Droid 1.0，官方定位是「模型无关（model-independent）的编码 Agent harness」——也就是包裹在模型外面的执行框架，负责工具调用、任务编排和结果校验。这一版最核心的改动，是把程序化工具调用（programmatic tool calling）设为默认模式，而不是让模型逐次发起单步调用。
在 Factory 自己跑的 Terminal-Bench 4 测试中，Droid 搭配 Claude Opus 5.5 取得 65.2% 的成绩，折算下来每个通过任务的成本为 4.73 美元。需要说明的是，这是厂商自测数据，基准版本、任务集和计费口径都由 Factory 自己定义，横向对比时应保持谨慎。
为什么重要
过去一年编码 Agent 的讨论几乎被模型能力主导：换一个更强的基座，Agent 表现就上一个台阶。但真实工程场景里，瓶颈往往不在单次推理，而在「如何把多步操作组织成一次高效执行」。逐次工具调用意味着每一轮都要把上下文重新喂给模型，既慢又贵，还容易在多步之间丢失状态。
程序化工具调用走的是另一条路：让模型生成一段可执行的脚本或调用序列，由 harness 一次性执行、批量返回结果。这减少了往返次数，也让 Agent 的行为更接近人类工程师写脚本解决问题的习惯。Factory 把它设为默认，等于承认「调度层的设计」本身就是产品差异化的来源。
「模型无关」这一定位同样值得注意。它意味着 harness 可以在不同基座之间切换，把模型选择变成可替换的变量，而不是被单一供应商锁死。对采购方来说，这是成本与风险上的实际议价空间。
影响与看点
对开发者而言，最直接的变化是成本结构的透明化。Droid 给出的「每通过任务 4.73 美元」是一个比准确率更贴近决策的指标——团队真正关心的是完成一个任务要花多少钱，而不是榜单上高几个百分点。如果这类单任务成本成为行业通用口径，Agent 产品的比较方式会被重塑。
对行业来说，harness 层的竞争会加剧。当模型可以互换，差异化就落在工具调用策略、上下文管理、失败重试和验证机制上。这也解释了为什么越来越多团队把精力从「微调模型」转向「打磨执行框架」。
需要观察的点有三个：一是程序化调用在复杂、需要中途判断的任务上是否稳定，脚本一旦写错，回滚成本可能高于逐次调用；二是模型无关的承诺能否在真实切换中兑现，不同基座对工具调用格式的偏好差异不小；三是 Terminal-Bench 这类基准能否反映真实仓库级任务，目前它仍偏终端操作场景。
一个独立判断：Droid 1.0 的价值不在于那 65.2%，而在于它把「Agent 效率」从模型参数里拆了出来，变成可以单独优化和单独定价的工程问题。
