Anthropic 推出“顾问工具”：让 Sonnet 干活，Opus 出谋划策，成本降 12%

在 AI Agent 的开发中，我们一直面临着一个两难选择：

用最强的模型（如 Opus），智能够高但贵得让人肉疼；用便宜的模型（如 Sonnet 或 Haiku），成本低但遇到复杂逻辑容易“犯傻”。

以前，常见的解决方案是“大模型当指挥官，小模型当工人”：让 Opus 拆解任务，分发给 Sonnet 去执行。但这依然昂贵，因为指挥官本身就很贵，且上下文管理复杂。

• 官方介绍：https://claude.com/blog/the-advisor-strategy

现在，Anthropic 提出了一种颠覆性的新思路：“顾问策略”（Advisor Strategy）。

核心逻辑：小模型主导，大模型点睛

这次的角色完全反过来了：

• 执行者（Worker）：由 Sonnet 或 Haiku 担任。它们全程负责跑任务、调工具、处理结果。因为它们便宜，所以可以大胆地试错和迭代。
• 顾问（Advisor）：由 Opus 担任。它不直接干活，也不接触用户。只有当执行者遇到搞不定的决策、陷入死胡同或需要高阶推理时，才会向 Opus “请教”。Opus 给出一个计划或修正建议，然后退居幕后，让执行者继续干。

这就像是一个经验丰富的初级工程师（Sonnet）在处理日常代码，遇到真正棘手的架构难题时，才去请教首席架构师（Opus）。首席架构师只给方向，不写代码。

效果惊人：智能提升，成本下降

Anthropic 的测试数据证明了这一策略的有效性：

• Sonnet + Opus 顾问：
  • 在 SWE-bench Multilingual（代码基准测试）上，得分比单独使用 Sonnet 高出 2.7%。
  • 每个任务的成本反而降低了 11.9%。
  • 结论：你得到了比 Sonnet 更聪明的结果，却花了更少的钱。

• Haiku + Opus 顾问：
  • 在 BrowseComp（浏览理解基准测试）上，得分从 19.7% 飙升至 41.2%，翻了一倍多。
  • 虽然分数仍低于单独使用 Sonnet，但成本仅为 Sonnet 的 15%。
  • 结论：对于海量、对智能要求中等但需要一定推理能力的任务，这是极致的性价比之选。

如何使用？只需一行代码

Anthropic 将这一策略封装为一个原生工具 advisor，无需开发者自己构建复杂的路由逻辑。

在 API 请求中，你只需声明执行者模型，并在 tools 列表中加入 advisor_20260301：

response = client.messages.create(
    model="claude-sonnet-4-6",  # 执行者：便宜且快
    tools=[
        {
            "type": "advisor_20260301",
            "name": "advisor",
            "model": "claude-opus-4-6",  # 顾问：聪明但贵
            "max_uses": 3,  # 限制咨询次数，控制成本
        },
        # ... 其他工具如搜索、代码执行等
    ],
    messages=[...]
)

关键特性：

• 自动路由：执行者模型自己决定何时调用顾问。
• 单次请求：整个交互（执行-咨询-继续执行）在一个 API 调用内完成，无需管理多次往返的上下文。
• 透明计费：账单中会分别列出执行者和顾问的 Token 消耗，方便监控。由于顾问只生成简短的计划（通常几百个 Token），总成本远低于全程运行 Opus。