Anthropic最新推出的AdvisorTool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AdvisorStrategy，工具叫AdvisorTool

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workerpool，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+OpusAdvisor的组合

SWE-benchMultilingual

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-benchMultilingual：Sonnet+AdvisorvsSonnetSolovsOpusSolo

BrowseComp和Terminal-Bench2.0

在BrowseComp和Terminal-Bench2.0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+OpusAdvisor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+AdvisorvsHaikuSolovsSonnetSolo

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MessagesAPI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

EricSimmons，BoltCEO

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

KayZhu，Genspark联合创始人兼CTO

在结构化文档提取任务上，Advisor让Haiku4.5按需请教Opus4.6，达到了前沿模型的质量，成本低5倍

AnurajPandey，EveLegal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+OpusAdvisor的组合值得关注。BrowseComp41.2%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、ManagedAgents、AdvisorTool，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

TheAdvisorStrategy官方博客https://claude.com/blog/the-advisor-strategy

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