Factory 的暗工厂：当 coding agent 开始改写软件生产线
Training Data 对谈 Factory CEO Matan Grinberg，解释 model independence、open models、异步 token 和软件工厂化的真实约束。
单集信息
| 字段 | 内容 |
|---|---|
| 播客 | Training Data |
| 主持人 | Sonya Huang、Pat Grady，Sequoia Capital |
| 嘉宾 | Matan Grinberg，Factory co-founder and CEO |
| 集标题 | Factory's Matan Grinberg: The Coming 'Dark Factory' Where Software Builds Itself |
| 发布日期 | 2026 年 7 月 21 日（按新加坡时间显示） |
| 原集链接 | 节目视频 |
Factory 真正卖的不是一个模型
Matan Grinberg 把 Factory 的产品称为 droids，也就是用于 software development 的 autonomous agents。听起来像又一家 coding agent 公司，但这集的重点在于，Factory 试图把模型本身从产品的核心依赖里拿开：客户可以根据任务，在不同模型之间动态路由；如果出现更快、更便宜或更强的新模型，可以 hot swap；已经完成的工作和 artifacts 仍然留在客户自己的 code base 里。1
这套选择背后是企业对 single point of failure 的担忧。Grinberg 举的类比是云服务合同：客户签了三年合同，续约时供应商可能把价格提高到原来的 10 倍。对 AI coding 来说，模型供应商更换、价格变化和能力波动都可能成为新的绑定风险。因此，他反复强调 model independence。Factory 的价值不只在于某一次生成结果，而在于 harness 能否把模型变化吸收掉。
这里有一个容易被忽略的取舍。多模型 harness 的工程复杂度会更高，任务路由也需要验证；但如果把整个工作流和单一模型绑死，短期的体验可能更顺，长期的成本和议价权会更脆弱。节目没有把 model independence 说成免费能力，而是把它放在企业可控性和供应商风险的框架里。
「提前两三年」为什么等于做错
Factory 在 2023 年 4 月开始做 fully autonomous coding agents。Grinberg 对早期判断的总结很直接：「being 2 3 years early is the same as being wrong」。他回顾说，团队曾经已经有接近 200 万美元营收，后来仍然主动把客户的钱退回去，因为产品还没有好到让客户真正离不开。1
这段经历比「AI 会改变软件开发」更有用。创业公司常常把早期收入当作市场已经准备好的证据，但 Factory 的做法是把客户是否真正愿意持续使用当作更高标准。Grinberg 区分了 customer obsession 这个 input metric 和真正的结果：公司要做出足够好的产品，让客户自己变得 obsessed，而不是把口号当成产品质量。
Factory 在 2025 年 9 月 26 日发布 Droid CLI。节目还提到，产品收费目前更适合 usage-based，seat-based 不适合他们正在做的工作；长期可能转向 outcome-based，但企业现在还没有准备好为结果直接付费。这个判断很克制：代理能完成更多任务，不代表企业已经能准确评估一个任务的商业结果。
Open models 进入主流程
Grinberg 对 open models 的判断也不是「开源一定更好」，而是它们已经逼近 frontier minus one。节目中他把 GLM 5.2 与 Opus 4.7、GPT 5.5 放在同一比较框架里，并说很多任务没有必要让最昂贵的模型处理。Factory 的 router 会按任务选择模型，低价值问题可以用便宜模型，高要求任务才分配更多 token 和更强的模型。1
转录里给了一个成本结构的变化：年初 open models 占 token 不到 1%，第一季度进入 single-digit percent，节目录制时已经是 double-digit percent。另一个判断是，未来 90% 的 token 会是 asynchronous tokens。这里的 asynchronous 不是让每个开发者都离开工作台，而是让代码审查、测试、重构和文档等工作在更长的后台流程里完成，人的角色转向设定目标、检查结果和处理例外。
这也解释了为什么他会说每家公司其实都有一个 software factory，只是效率很低。大量 tribal knowledge 还没有写进流程和测试里，代理一旦接手，就会把隐性的组织习惯暴露出来。要让它稳定工作，企业需要更严格的 process 和 thorough tests，因为 agent 可能 go rogue，甚至误删代码。
从 headcount 到 tokens
这集最值得工程管理者停下来算一遍的是增量预算。Grinberg 问：每增加一美元，应该投向 headcount，还是投向 tokens？如果 agent 能够异步完成越来越多的软件工作，组织规模、模型选择、审查流程和计费方式会一起变化。可这不是「少招人」这么简单。测试、权限、代码所有权和结果验收都要先变得更清楚，否则 token 越便宜，错误扩散反而越快。
他把这个阶段称为 software 的 pre-industrialization，最终图景是 dark factory。这个比喻有用，但节目也给出了边界：benchmark 的半衰期只有 3 到 6 个月，企业不能用一次评测结果永久决定模型；usage-based 可能在当前更现实，outcome-based 仍需等客户准备好。
这集适合谁，哪些可以跳过
- 做 coding agent、模型路由或企业采购的人，重点听 model independence、客户退款和 usage-based / outcome-based 的取舍。
- 管理工程团队的人，重点听「90% asynchronous tokens」背后的测试、流程和预算问题，而不是只听 dark factory 这个比喻。
- 只关心某个模型排行榜的人可以跳过中段的产品故事；这集的核心增量是，模型快速变化后，企业怎样把工作成果、成本和控制权留在自己的 code base 里。
References
- 1
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.