Factory Droid 1.0 ile model, tool’ları tek bir script’le çalıştırıyor

Factory, Factory Droid 1.0 sürümüyle coding agent harness’ında programmatic tool calling özelliğini varsayılan olarak açtı. Model artık tool’ları tek tek çağırmıyor, onları çalıştıran bir JavaScript programı yazıyor ve tek bir model isteği yüzlerce tool call yürütebiliyor. Şirket, Terminal-Bench 4’te Claude Opus 5.5 ile yüzde 65,2 başarı oranı ve geçilen görev başına 4,73 dolar maliyet açıkladı.

Factory Droid nedir, ne işe yarar?

Factory Droid, Factory şirketinin geliştirdiği yapay zekâ destekli bir coding agent’tır. Terminalde, masaüstü uygulamasında ve SDK üzerinden çalışır; kod yazma, test düzeltme ve CI işleri gibi görevleri farklı dil modelleriyle yürütür. Modelin etrafındaki prompt, tool ve döngü katmanına harness denir. Benzer araçlar arasında Claude Code, Codex ve Cursor sayılabilir.

Factory Droid 1.0’da değişen asıl şey döngü

Klasik agent döngüsünde her tool çıktısı modelin context window’una düşer. Bir test log’u da gelir, bir dosyanın tamamı da. Context şişer, her turda maliyet ve bekleme süresi artar.

Factory Droid 1.0 bu akışı tersine çeviriyor. Model, tool’ları çağıran bir JavaScript programı yazıyor ve program sandbox içinde koşuyor. Ham veri programda kalıyor. Modele yalnızca programın yazdırdığı çıktı dönüyor, bağımsız çağrılar da eşzamanlı çalışıyor.

Fikir yeni değil; Factory bunu CodeAct çalışmasına (Wang et al., 2024) dayandırıyor. Yeni olan, bir ürün harness’ında varsayılan davranış haline gelmesi. Script mode 10 modelde açık, aralarında GPT-6.1 Sol ve Kimi K3 var.

Rakamları ayrıştırarak okuyun

Paylaşılan örneklerin hepsi Factory’nin kendi oturumlarından. Neyin ölçüm, neyin tahmin olduğuna bakmak gerekiyor:

• Unit test düzeltme: 15 tool call, 10 yerine 5 model çağrısıyla bitmiş. Süre 56,8 saniyeden 41,6 saniyeye inmiş.
• Linear temizliği: 151 issue için 312 tool call, 2 istek ve yaklaşık 61.000 token. Karşısındaki 36 istek ve 3,1 milyon token ise modellenmiş bir tahmin.
• CI taraması: 547 run içindeki 5.384 job, 2 istekte işlenmiş. Tool sonuçlarının yüzde 0,1’inden azı context’e ulaşmış.

Terminal-Bench 4 sonuçları da self-reported. Görev başına 3 deneme yapılmış, testler 23-28 Ekim 2026 arasında koşulmuş ve Cursor, GPT-6.1 Sol ile denenmemiş. Zayıf nokta da açıkça yazılmış: GPT-6.1 Sol ile Droid, geçilen görev başına Codex’ten yüzde 10 daha uzun sürüyor. Yani sonuç model ile harness eşleşmesine bağlı; “her modelde en iyisi” okuması doğru değil.

CI ve operasyon işlerinde nerede işe yarar

Kazanç, çok sayıda benzer adımı olan işlerde ortaya çıkıyor. Yüzlerce CI job’ının log’unu taramak ya da issue tracker’da toplu durum değişikliği yapmak buna örnek. Bu işlerde modelin her ara sonucu görmesi gerekmiyor. Programın filtreleyip özet basması yetiyor.

Maliyet farkı da buradan geliyor. Claude Opus 5.5 üzerinde Script mode, doğrudan tool call’a göre maliyeti yüzde 15 düşürüyor. Base prompt 20.887 token’dan 13.055’e inmiş ve başta 11 yerine yalnızca 2 tool tanımı gönderiliyor. Sonradan yüklenen tool’lar sona ekleniyor, böylece cache’teki ön ek bozulmuyor. Factory’ye göre tipik bir istekte input’un yüzde 98’i cache’ten okunuyor.

Güvenlik ve denetim tarafında sorulacaklar

Sandbox’ın kendine ait dosya, ağ ya da sistem erişimi yok. Ama bu, script’in zararsız olduğu anlamına gelmiyor. Program, agent’a tanımladığınız tool’ları çağırabiliyor; erişim tool’lardan geliyor.

Eskiden her tool call bir model turu demekti ve araya girme şansınız vardı. Şimdi tek model isteği yüzlerce çağrı tetikleyebiliyor. Şunlara bakın:

• Agent’a hangi tool’ların açık olduğuna, özellikle yazma ve silme yapanlara.
• Toplu işlemlerde script’in yaptığı her değişikliğin log’a düşüp düşmediğine.
• Programın yazdırmadığı bir hatayı modelin hiç görmeyeceğine.

Linear örneğinde her issue taşındıktan sonra yalnızca durumunun değiştiği ayrıca kontrol edilmiş. Toplu değişiklik yapan script’lerde aynı doğrulama adımını istemek riski azaltıyor. Kaynak, tool izinlerinin ve onay akışının nasıl yönetildiğini anlatmıyor; kurumsal ortama almadan önce bunu dokümantasyonda arayın.

Denemek için gerekenler

Factory Droid 1.0 macOS ve Windows için masaüstü uygulaması olarak geliyor. Terminal arayüzü de var, Node SDK da. Kendi API anahtarlarınızla desteklenen herhangi bir modeli seçebilir ya da seçimi maliyete göre model karışımı kuran Factory Router’a bırakabilirsiniz. Agent’ı pipeline’a gömmek istiyorsanız SDK paketi şu:

npm install @factory/droid-sdk

İlk denemeyi salt okuma yapan bir işle yapın, örneğin başarısız CI job’larının log özetini çıkarmak. Script mode’un faydası en net bu tür işte görünür. Yazma yetkisi isteyen işleri, doğrulama adımı ve log kaydı netleşince açın.