Anthropic官方首次系统披露了其团队内部高频使用的两种多智能体协作模式——Advisor与Orchestrator，并附上了完整的性能与成本对比数据。对于正在寻找兼顾性能与成本的开发团队而言，这不仅是一份技术参考，更是一套具有直接经济价值的优化模板。

Advisor模式：三层性能阶梯的性价比革命

该模式的核心设计在于角色分层：以Sonnet 5作为执行体，通过tool call调用Fable 5作为顾问。在SWE-bench Pro（482道题）的实测中，Sonnet 5单独运行的准确率为75.5%，成本仅需0.75美元；引入顾问后，准确率跃升至84%，成本仅增加至1.40美元。而Fable 5单独运行时，虽以91.5%的准确率登顶，但成本高达2.25美元。

Advisor模式的实际表现更为关键：它将以约92%性能（91.5%/84%的中间值）实现了仅63%成本（1.40/2.25），构成了“准旗舰性能+中端成本”的黄金平衡点。这一组合在应对实际业务场景时，能以更低的试错成本逼近顶级模型的表现。

Orchestrator模式：扇出架构下的效率再造

不同于Advisor的线性建议机制，Orchestrator模式采用Fable 5作为核心编排者，负责将复杂任务拆解并扇出至多个Sonnet 5 worker并行执行。在BrowseComp测试中，全Sonnet 5方案的准确率为77.8%，成本16.01美元；编排方案将准确率提升至86.8%，成本仅上升至18.53美元。反观全Fable 5方案，虽然准确率高达90.8%，但成本飙升至40.56美元。

关键数据点在于：Orchestrator模式实现了约96%的性能（86.8%/90.8%）与仅46%的成本（18.53/40.56）。这意味着，在同等预算下，开发者可以将算力投入翻倍，或者在相同质量下将开发成本腰斩。该模式尤其适合需要调用实时信息、执行一系列长尾任务的环境，如自动化测试、数据采集或合同处理。

行业启示：从“选模型”到“搭架构”的范式跃迁

Anthropic此次公开的两大模式揭示了AI应用开发的一个新趋势：优化不再局限于选择哪款模型，而在于如何设计模型之间的协作架构。当Fable 5作为“大脑”负责战略判断、Sonnet 5作为“神经末梢”负责执行反馈时，整体系统的性价比往往能突破单一模型的线性上限。

对于正在为成本预算发愁的开发者而言，建议从两个维度评估自身的应用场景：若任务主要依赖专家建议（如代码审查、战略规划），优先尝试Advisor模式；若需要并行处理大量独立子任务（如网站爬取、报表生成），Orchestrator模式可能是更优解。谨慎在于，即使只是部分子任务需要Fable 5介入，整体成本结构仍然能获得显著优化。

在模型能力持续进化的当口，合理的多智能体编排或将成为2025年AI工程化落地的最强推手。