Title: Claude Introduces 'The Advisor Strategy': Restructuring A...
URL Source: https://www.bestblogs.dev/status/2042397046939009134
Published Time: 2026-04-10 00:19:36
Markdown Content: Skip to main content Toggle navigation menu Toggle navigation menuArticlesPodcastsVideosTweetsSourcesNewsletters
⌘K
Change language Switch ThemeSign In
Narrow Mode
Claude Introduces 'The Advisor Strategy': Restructuring Agent Cost and Performance
Claude Introduces 'The Advisor Strategy': Restructuring Agent Cost and Performance
 ### meng shao@shao__meng
小模型主执行，大模型做顾问：Claude 用"按需升级"重构智能体成本结构
和之前常见的 "大模型拆解任务给小模型" 的子智能体策略不同，Claude「The Advisor Strategy」是 "小模型主导执行，大模型按需顾问"。 claude.com/blog/the-advis…
核心机制：单层协作 vs 传统分层
传统子智能体模式依赖强大的编排模型（Opus）拆解任务，分发给工作者模型（Sonnet/Haiku）。这种模式的问题是：前置成本高（必须支付 Opus 的完整推理费用）且架构复杂（需要任务分解逻辑）。
顾问策略的反转为：
· 执行器（Executor）：Sonnet/Haiku 作为主力军，端到端运行任务、调用工具、迭代求解
· 顾问（Advisor）：Opus 仅在被调用时介入，读取共享上下文（对话历史、工具结果），提供计划、修正或停止建议
关键设计约束：顾问不调用工具、不产生面向用户的输出，仅作为执行器的"外部大脑"在决策瓶颈处提供指导。
效能验证：性能提升与成本下降并存
SWE-bench Multilingual 和成本
· Sonnet 4.6 单独：72.1%，$1.09
· Sonnet 4.6 + Opus 顾问：74.8%，$0.96
Haiku 作为执行器的场景中：
· BrowseComp：Haiku 单独 19.7% → Haiku + Opus 顾问 41.2%（翻倍以上）
· 成本仅 $1.07，相比 Sonnet 单独方案降低 85%
产品化实现：Advisor Tool
为降低工程门槛，Anthropic 在 Claude Platform 推出了原生 Advisor Tool，实现方式极具产品思维：
技术特性：
· 单请求闭环：模型切换发生在单个 /v1/messages 请求内，无需开发者管理上下文路由
· 透明计费：顾问 token 和执行器 token 在 usage 块中分别计费，顾问仅生成简短计划（通常 400-700 token）
· 硬成本控制：max_uses 参数限制每请求顾问调用次数，防止成本失控
· 零侵入：与现有工具链（搜索、代码执行等）完全兼容，作为 tools 数组中的一个条目声明即可 Show More
#### Claude
@claudeai · 8h ago
我们正将顾问策略引入 Claude 平台。
将 Opus 作为顾问，与作为执行者的 Sonnet 或 Haiku 配对，即可在你的智能体中以极低的成本获得接近 Opus 级别的智能。
707
1,537
23.7K
1.7M
Apr 10, 2026, 12:19 AM View on X
2 Replies
1 Retweets
3 Likes
657 Views  meng shao @shao__meng
One Sentence Summary
Anthropic launches the Advisor Strategy, a collaboration model where 'small models execute and large models advise' to achieve near-top-tier performance at significantly lower costs.
Summary
This tweet provides an in-depth analysis of Anthropic's official 'The Advisor Strategy.' Unlike traditional task-decomposition models, this strategy positions smaller models like Sonnet or Haiku as the primary 'Executor,' calling upon Opus as an 'Advisor' only at decision bottlenecks. This approach avoids high upfront inference costs and has been validated in benchmarks like SWE-bench for improving performance while reducing expenses. It also highlights the native Advisor Tool on the Claude Platform, featuring single-request loops and transparent billing.
AI Score
89
Influence Score 3
Published At Today
Language
Chinese
Tags
Claude
Anthropic
AI Agent
Advisor Strategy
Cost Optimization HomeArticlesPodcastsVideosTweets