别再猜了，你嫌Claude Fable 5贵，Anthropic自己也嫌。他们不光知道，还给你交了一份内部作业，告诉你怎么省。这不是一次寻常的技术博客更新，这是一场针对开发者痛点的精准手术，把“顶级性能”和“成本控制”这两个冤家，硬生生塞进了一个模式里。
性价比不是优化，是颠覆
先看结论，数据不说谎。在公认的难题基准SWE-bench Pro上，用最新的Claude Sonnet 5作为主干活，正确率75.5%，每次解题成本0.75美元。看起来不错？但顶级的Fable 5单独能到91.5%，代价是2.25美元。如果简单地想用两个模型叠加来提升效果，成本会飙升。
一个“顾问”如何把账算明白
Anthropic内部最常用的“Advisor”模式，玩的不是堆料，是指挥。让便宜的Sonnet 5当执行者，它遇到拿不准的关键决策时，通过一个精心设计的工具调用，去咨询更强大的Fable 5。结果呢？准确率直接冲到84%，而成本呢？1.40美元。这个组合方案，达到了Fable 5单独执行时92%的效果，却只花了它63%的钱。你没有额外训练任何模型，仅仅通过架构设计，就实现了性能的跃升和成本的腰斩。
“编排者”思路，解放生产力
另一种更酷的模式叫“Orchestrator”。在需要处理大量、分散子任务的场景下，比如网络信息检索（BrowseComp），全用Sonnet 5，成绩是77.8%，成本16美元；全上Fable 5，能到90.8%，但成本暴涨到40美元。中间地带呢？让一个Fable 5作为“总指挥”，它负责理解总体目标、拆解任务、规划路径，然后把具体的信息搜集、分析等子任务，扇形派发给多个廉价的Sonnet 5工人去并行执行。最终成绩86.8%，成本18.53美元。你拿到了顶级模型96%的能力，付出了不到一半的代价。
模式内核：不是简单的模型叠加
这两种模式听起来像是把不同模型的API调用粘在一起，但核心在于“谁思考，谁执行”以及“如何连接”。这不是1+1的算术题，而是精密的协作设计。
Advisor：精准的专家会诊
Advisor模式的精髓在于“按需提问”。它不是让弱模型一有问题就喊停，而是Sonnet 5在执行过程中，会有一个判断机制：是自己拿主意，还是这个问题超出了自己的能力边界，需要“专家号”。它通过标准化的工具调用接口向Fable 5发起咨询，得到的是一份针对性极强的“指导意见”，而不是让Fable 5把整个任务接管过去。这避免了昂贵的计算资源被浪费在简单决策上。
Orchestrator：战略与战术的分离
Orchestrator模式则更像一个高效的创业公司CEO与一群执行力超强的员工。CEO（Fable 5）只做最重要的事：制定战略、分解目标、监控进度、整合结果。所有繁琐但明确的执行性工作，都交给成本更低、数量更多的“员工”（Sonnet 5）去跑。这里的关键是任务划分必须足够清晰，让“员工”不需要过多思考就能完成，而“CEO”的编排能力要足够强，确保子任务的结果能完美拼接。这本质上是将“高阶推理”与“规模化执行”进行了分离。
对普通开发者的启示
看懂这两个模式，意味着你至少省下了一半的AI推理账单。这不仅是技巧，更是一种思维范式的转变：不再盲目追求用最贵的模型处理所有任务，而是学会像建筑师一样设计你的智能体工作流。
从“用模型”到“设计系统”
过去，我们习惯说“我用GPT-4”或“我用Claude 3.5”。现在，你应该思考的是“我的应用需要哪些智能角色？它们之间如何协作？” 一个负责深度分析，一个负责信息抓取，一个负责结果校验。用哪个模型担任哪个角色，取决于它在特定任务上的性价比。Fable 5可能只用于最核心的决策环节，而95%的流程交给Sonnet 5或更小的模型。你的应用架构，本身就是一道成本优化公式。
工具调用是关键桥梁
无论是Advisor里的“咨询”，还是Orchestrator里的“任务派发”，都依赖于强大的、标准化的工具调用能力。这意味着，要构建高效的多智能体系统，你需要为模型设计清晰、可靠的工具接口。模型不再是封闭的对话盒，而是一个可以通过标准“插座”与其它智能体或外部服务连接的节点。投资于工具设计的标准化和稳定性，其回报将远超单纯的模型调用。
拥抱混合模型思维
单一模型打天下的时代正在过去。未来高效的AI应用，必然是“混合模型”的。就像一支球队，有负责组织进攻的核心（Fable 5），有负责突破和得分的得分手（Sonnet 5），也有负责防守和干脏活的工兵。你的任务是根据比赛（业务场景）的需要，组建最强的阵容，并设计好他们之间的传接配合（工作流）。Anthropic的这次分享，相当于公开了他们阵型里最有效的两种战术板。
所以，抱怨模型太贵之前，先问问自己：我的工作流设计，是否已经浪费了太多昂贵的算力在简单任务上？真正的高手，从不抱怨兵器贵，他们擅长用最普通的材料，打出最精妙的组合拳。
