Anthropic推出顾问工具Advisor Tool：提升模型效率新方式

Anthropic 最近推出了一项新功能 API，名为“顾问工具（Advisor Tool）”，为机器学习模型的高效使用提供了全新的思路。这一功能结合了“大模型提供决策，小模型完成任务”的设计理念，旨在优化任务处理的性价比。

什么是顾问工具（Advisor Tool）？

顾问工具的核心思路是：让便宜的小模型（Sonnet 或 Haiku）处理大部分任务，在小模型遇到无法独立决策的复杂问题时，向更昂贵、更智能的大模型（Opus）求助。值得注意的是，Opus仅提供策略支持，不参与最终任务的执行，这种分工明确的机制，大大提高了任务处理效率。

与传统模式的差异

与传统的大模型管理模式（大模型负责将任务拆分并分配给小模型执行）不同，顾问工具采用了“小模型主导框架”，即小模型自行完成任务，仅在必要时向大模型咨询。其具体机制如下：

• 执行者：小模型（Sonnet 或 Haiku）承担大部分任务，比如工具调用和简单处理。
• 顾问：大模型（Opus）提供复杂情况的决策支持。

由于大模型只在需要时参与，这种设计逻辑能够最大程度降低成本。

性能与成本优势

实验数据显示，顾问工具在多种测试中均展现了显著提升：

• 在 Sonnet 和 Opus 的组合下，多语言测试（SWE-bench）比单独使用 Sonnet 的性能提高了 2.7% ，同时成本降低 11.9%。
• Haiku 配合 Opus 运行 BrowseComp 测试，准确率从 19.7% 大幅提升至 41.2%，效率翻倍，尽管仍低于单独使用 Sonnet 的得分，但其成本仅为 Sonnet 的 15%，对于批量任务场景尤为适合。

从中可以看出，这种模型分工机制不仅能显著提升效率，还能满足用户对运行成本的严格控制需求。

如何使用？

开发者可以轻松集成顾问工具，只需在 Messages API 的 tools 阵列里添加 advisor_20260301 类型即可。Anthropic 已通过以下方式优化了调用的便利性：

• 用户无需额外管理上下文。
• 支持 max_uses 参数设置，限制单次请求顾问模型的调用次数。
• 账单内独立计算顾问与执行者的 Token 消耗。

此外，在目前的 Beta 测试阶段，开发者需在请求头中附加：anthropic-beta: advisor-tool-2026-03-01。

适用的应用场景

这一创新设计非常适合以下几种场景：

• 高分析性任务：需要在多个步骤中完成复杂决策的任务。
• 成本敏感型应用：任务量大但预算有限，充分利用小模型的低成本特性。
• 灵活智能需求：匹配不同任务对智能程度的不同需求。

例如，电商客服系统可以大规模使用 Haiku 处理用户查询，复杂场景时调用 Opus 提供智能化解决方案。

总结与展望

Anthropic 的顾问工具（Advisor Tool）为开发者提供了一个兼顾智能和成本的新选择。通过小模型完成基础任务、大模型提供关键决策支持，不仅扩展了模型应用场景，也为企业降低了运行成本。目前，这项服务尚处于 Beta 阶段，预计升级后会有更广泛的应用。

如果您正在寻找高性价比的 AI 任务解决方案，不妨尝试这款工具！