惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
爱范儿
爱范儿
H
Help Net Security
V
Visual Studio Blog
J
Java Code Geeks
Stack Overflow Blog
Stack Overflow Blog
Microsoft Security Blog
Microsoft Security Blog
Apple Machine Learning Research
Apple Machine Learning Research
MyScale Blog
MyScale Blog
The Cloudflare Blog
Martin Fowler
Martin Fowler
D
Docker
腾讯CDC
F
Fortinet All Blogs
雷峰网
雷峰网
GbyAI
GbyAI
G
Google Developers Blog
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
Recent Announcements
Recent Announcements
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
Blog — PlanetScale
Blog — PlanetScale
Engineering at Meta
Engineering at Meta
博客园 - 聂微东
博客园 - 叶小钗

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
Anthropic 新工具:Sonnet 遇到难题可以请教 Opus 了
赛博禅心 · 2026-04-13 · via 人人都是产品经理

Anthropic发布新API工具Advisor Strategy:Sonnet执行任务遇到难题时,自动向Opus请教指导。这种“小模型干活、大模型点拨”的反向协作模式,让智能接近Opus,成本接近Sonnet,甚至总token消耗更低。

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

本文由人人都是产品经理作者【赛博禅心】,微信公众号:【赛博禅心】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。