Anthropic最新推出的Advisor Tool彻底颠覆了AI任务执行逻辑——让小模型在执行中自主求教大模型，而非传统的大模型指挥小模型。这种创新的Advisor策略让Sonnet/Haiku在执行任务时，只需在关键决策点调用Opus获取指导，实现智能接近Opus但成本仅需小模型的突破。本文深入解析这一革命性工具的工作机制、实测效果及行业影响，带你看懂AI协作模式的范式转移。

Anthropic 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

效果是：智能接近 Opus，成本接近 Sonnet

Advisor 策略的工作方式：Sonnet 执行，遇到难题请教 Opus

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

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

不是大模型指挥小模型干活，是小模型干活遇到难题请教大模型

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

先看 Sonnet + Opus Advisor 的组合

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

SWE-bench Multilingual：Sonnet + Advisor vs Sonnet Solo vs Opus Solo

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

BrowseComp + Terminal-Bench：Sonnet + Advisor 的表现和成本

再看 Haiku + Opus Advisor 的组合，这个更有趣

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%

BrowseComp：Haiku + Advisor vs Haiku Solo vs Sonnet Solo

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

怎么用

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

早期用户怎么说

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

几个信号

第一，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

第二，定价逻辑很巧妙。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

花几分钱请教一次 Opus，省下来的是 Sonnet 走弯路烧掉的几毛钱

第三，Haiku + Opus Advisor 的组合值得关注。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

第四，时间线继续加密。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

参考材料

The Advisor Strategy 官方博客https://claude.com/blog/the-advisor-strategy

Advisor Tool API 文档https://platform.claude.com/docs/en/agents-and-tools/tool-use/advisor-tool