Anthropic 最近发布了一个新的 API 工具，让 Sonnet 或 Haiku 在跑任务的过程中，遇到搞不定的决策时自动请教 Opus，拿到指导后继续干活。这个策略叫 Advisor Strategy，工具叫 Advisor Tool。
苏米注：这个设计思路很有意思——不是让大模型指挥小模型干活，而是让小模型在遇到难题时主动请教大模型。有点像公司里的"导师制"，初级工程师干活，遇到卡点时找资深工程师请教。
工作原理：反过来的 Sub-Agent 模式
行业里常见的多 Agent 模式是：大模型当指挥官，拆解任务分给小模型去执行。Advisor 策略把这个方向反过来了。
Sonnet（或 Haiku）作为 Executor 全程执行任务，调用工具、读取结果、迭代推进。当它遇到一个自己判断力不够的决策点时，它会调用 Opus 作为 Advisor。Opus 拿到共享的上下文，返回一个计划、一个纠正、或者一个停止信号。然后 Sonnet 继续执行。
关键点：Advisor 不调用工具，不产出面向用户的输出，只提供指导。前沿级推理只在 Executor 需要的时候介入，其余时间全部按 Executor 的价格计费。
这个设计的好处是：不需要任务拆解逻辑，不需要 worker pool，不需要编排框架。Executor 自己判断什么时候需要升级，整个过程在一次 API 调用里完成。
评测数据
Sonnet + Opus Advisor 组合
SWE-bench Multilingual
Sonnet + Advisor 比 Sonnet 单独跑提升了 2.7 个百分点，同时每个任务的成本降低了 11.9%。成本降低的原因是 Advisor 的介入让 Executor 少走弯路，减少了总 token 消耗。
BrowseComp 和 Terminal-Bench 2.0
在 BrowseComp 和 Terminal-Bench 2.0 上，Sonnet + Advisor 同样超过了 Sonnet 单独跑，而且每个任务的成本更低。
Haiku + Opus Advisor 组合
这个组合更有趣。在 BrowseComp 上，Haiku + Advisor 得分 41.2%，是 Haiku 单独跑（19.7%）的两倍多。跟 Sonnet 单独跑比，分数低了 29%，但成本低了 85%。
对于高吞吐、需要平衡智能和成本的场景，这个组合很有吸引力。用 Haiku 的价格拿到接近 Sonnet 水平的结果。
如何使用
API 层面非常简单。在 Messages API 请求的 tools 数组里加一个 advisor_20260301 类型的工具，指定 Advisor 模型是 Opus，设一个 max_uses 限制每次请求最多请教几次。
整个模型交接在一次 /v1/messages 请求里完成，不需要额外的网络来回，不需要自己管理上下文传递。Executor 决定什么时候调用 Advisor，Anthropic 负责把精选的上下文路由给 Advisor 模型，拿到计划后 Executor 继续执行。
计费方式
- Advisor 的 token：按 Advisor 模型的价格算（Opus 的 $5/$25）
- Executor 的 token：按 Executor 模型的价格算（Sonnet 的 $3/$15 或 Haiku 的 $1/$5）
因为 Advisor 每次只生成一个短计划（通常 400-700 个 token），整体成本远低于全程跑 Opus。可以通过 max_uses 限制 Advisor 调用次数来控制成本。Advisor 的 token 消耗在 usage 中单独报告。
早期用户反馈
"在复杂任务上做出了更好的架构决策，在简单任务上没有任何额外开销。计划和执行轨迹完全是两个级别。"
—— Eric Simmons，Bolt CEO
"我们看到了 Agent 轮次、工具调用次数和整体分数的明确改善，比我们自己构建的 planning 工具效果更好。"
—— Kay Zhu，Genspark 联合创始人兼 CTO
"在结构化文档提取任务上，Advisor 让 Haiku 4.5 按需请教 Opus 4.6，达到了前沿模型的质量，成本低 5 倍。"
—— Anuraj Pandey，Eve Legal 机器学习工程师
四个关键信号
- 原生支持模型协作：这是 Anthropic 第一次在 API 层面提供模型间协作的原生支持。之前想让 Sonnet 和 Opus 配合，你得自己写编排逻辑、管理上下文传递、处理两次 API 调用的状态。现在一个 tool 声明就搞定。
- 巧妙的定价逻辑：Advisor 每次只输出 400-700 个 token 的短计划，按 Opus 价格算也就几分钱。但这几分钱的指导可以让 Executor 少走弯路，减少总 token 消耗。所以出现了"加了 Advisor 反而总成本更低"的现象。
- Haiku + Advisor 值得关注：BrowseComp 41.2% 的成绩用 Haiku 的价格拿到，比 Sonnet 单独跑便宜 85%。对于大规模、成本敏感的 Agent 部署场景，这个组合可能比 Sonnet 更合适。
- 产品线密度增加：Mythos、Managed Agents、Advisor Tool，Anthropic 在一周内连续发布了最强模型、Agent 基础设施平台、模型间协作工具，产品线的密度在快速增加。
总结
苏米注：Advisor Strategy 的核心价值在于它重新思考了多模型协作的模式。传统的"大模型指挥小模型"需要复杂的编排逻辑，而"小模型请教大模型"则更加自然和高效。这种设计思路值得在其他 AI 系统架构中借鉴。
对于开发者来说，这意味着：
- 更简单的 API 使用方式
- 更低的总体成本
- 更好的任务执行效果
参考材料：