当开发者为大模型API高昂的使用成本焦虑时，Anthropic 官方开发团队主动交出了自家的内部套路。近日，Claude开发者官方分享了团队频繁使用的两种多智能体模式：Advisor模式和Orchestrator模式，并首次公开发布了各模式的性能与成本对比数据。这意味着，那些一边爱着Fable 5的超强能力、一边心疼它高昂价格的开发者，终于看到了一个不走捷径的性价比解法。

Advisor模式：让贤内助出谋划策

在这一模式中，执行者由Sonnet 5担任，它会通过工具调用（tool call）向Fable 5咨询指导。以SWE-bench Pro（共计482道题）为测试场景：纯用Sonnet 5得分75.5%，成本$0.75；单加Fable 5作为顾问，得分跃升至84%，成本上升到$1.40。如果全用Fable 5，得分91.5%但成本飙到$2.25。而Sonnet+Fable顾问的组合方案，以约92%的性能达到了全Fable方案63%的成本，性能损失不足10%，成本却削减超过三分之一。这个模式的最佳使用场景：需要高质量答案又不愿承担全旗舰调用成本，特别适合代码补全、复杂推理等任务。

Orchestrator模式：老板派工、员工干活

相比之下，Orchestrator模式更强调分工的层级关系：让旗舰Fable 5作为“总指挥”（orchestrator），它将大任务拆解为子任务，然后扇出给多个Sonnet 5工作节点（worker）并行执行。测试基准为BrowseComp：纯Sonnet 5得分77.8%，成本$16.01；采用编排方案后，得分86.8%，成本$18.53；全用Fable 5得分90.8%，成本$40.56。结果令人惊叹：编排方案实现了全Fable方案约96%的性能，成本仅为46%；相比纯Sonnet方案，性能提升了近9%，成本仅增加15%——性价比几乎呈线性优化。这套模式适合信息检索、多步骤分析、大规模文档处理等需要扇出执行的任务。

从技术原理看，两种模式本质上是一组落地的多智能体协作模式，而非学术界复杂的元认知框架。它们的共性在于都利用Sonnet 5的低成本特性承担高频、低风险的执行角色，将高成本、高价值的推理任务交给Fable 5。这与目前行业内流行的“混合专家化”趋势不谋而合：不同层级、不同用途的模型各司其职，系统内部通过设计良好的调用关系实现成本和能力的最优均衡。

对于正在用Fable 5的开发团队，两套模式可以作为直接复用的架构模板。无论是代码审查、智能客服还是搜索增强应用，都可以快速做分层改造。值得注意的是，这些数据来自Anthropic官方团队在受控测试环境下的表现，实际业务中需根据任务类型、子任务交互复杂度、并发调度成本做适当调整。但无论从测试结果还是从架构设计的本质看，多智能体混合架构正在从“可选项”变为“必选项”。开发者真正该问的问题不再是“该不该用好模型”，而是“如何将最优的模型用在最关键的地方”。