多智能体协作是当前AI开发社区的高频讨论话题，但多数方案停留在概念验证阶段。Anthropic官方近日发布的一则开发者分享，打破了这一僵局——不仅公开了内部高频使用的两种智能体协作模式，还附上了详细的性能与成本对比数据，让“性价比”不再是空谈。

Advisor模式：顶级性能的“平替”方案

在Advisor模式下，系统分为执行者与顾问两层：Sonnet 5作为主执行者，在遇到瓶颈或需要决策时，通过tool call向Fable 5发起工具调用。后者本身无需处理整体流程，仅作为“领域专家”在关键节点提供指导。在SWE-bench Pro（共482题）测试中，Sonnet 5单独跑分75.5%，单任务成本$0.75；加入Fable 5作为顾问后，得分跃升至84%，成本仅上升至$1.40。相比之下，若全部任务由Fable 5承担，可得91.5%但单任务成本飙升至$2.25。采用Advisor模式，团队能以约63%的成本获得近92%的顶级性能——这是量化意义上的一次“降维打击”。

Orchestrator模式：用调度智慧撬动成本杠杆

Orchestrator模式则适用于更复杂的多步骤任务。Fable 5扮演中央编排者，负责将任务拆解并分别派发给多个Sonnet 5 worker。后者并行执行子任务，避免单一模型因上下文长度限制或注意力分散而导致的性能衰减。在BrowseComp基准测试中，全Sonnet 5方案得分为77.8%，成本$16.01；全Fable 5方案高达90.8%但成本翻倍至$40.56。而采用编排方案，先由Fable 5制定策略，再由Sonnet 5分步实施，最终得分86.8%，成本仅$18.53——相当于用微薄的成本增幅获得了96%的顶级性能，成本仅为纯Fable 5方案的46%。

行业意义：从“堆模型”到“搭架构”

这两组数据背后折射出一个更深的趋势：单纯追求“最强单模型”已不再是性价比最优解。开发团队越来越意识到，智能体架构的灵活调度能力，远比单一模型的参数优势更具实际价值。在当前模型价格体系下，Fable 5输入/输出token单价约为Sonnet 5的3-4倍，而两种组合方案均实现了“用小模型处理常规负载，用大模型处理关键节点”的杠杆效应。对于正承受Fable 5 API成本压力的团队而言，这套方案不是简单的“省钱妙招”，而是一套可量化的工程模板，评估哪些任务必须由最强模型把关，哪些完全可以下放。

实用建议

开发者可依据任务复杂度建立分级机制：将Fable 5视为“首席架构师”而非“一线码农”。在回答知识密集型问题时启用Advisor模式，在代码生成、信息提取等并行度高且对错误容忍度低的任务中使用Orchestrator模式。未来，随着多智能体编排框架日趋成熟，打破模型壁垒、按需组合、动态调度，或将成为AI应用开发的主流范式。