一行代码，Claude养虾成本降85%新智元

Anthropic深夜发布Claude「顾问策略」，让Opus 4.6退居幕后当军师，Sonnet/Haiku当苦力。实测性能翻倍，成本暴降85%，全网直呼：这就是我们要的「龙虾」完全体！

深夜，Anthropic官宣重磅更新：Claude「顾问策略」（Advisor Strategy）上线。

这一架构的核心逻辑是——

让智商最高的Opus 4.6退居幕后当「顾问」；

让性价比极高的Sonnet 4.6或Haiku 4.5冲在前面当「执行者」。

简单来说，Opus做「大脑」，Sonnet/Haiku做「手脚」。

在全新的工作流中，核心是由Sonnet/Haiku，全权负责跑通整个流程。

当遇到真正棘手的难题、无法做出合理决策时，才会通过API调用Opus「顾问」来指点迷津。

随后，Opus会迅速审阅上下文，给出一个锦囊妙计、修正方案，然后由执行者继续完成剩下的「苦差事」。

这一策略的提出，真正反转了传统的「大模型拆解任务、小模型搬砖」模式。

结果，实测数据极其震撼。

在SWE-bench编程测试中，「Sonnet 4.6+Opus 4.6」得分提升2.7个百分点，而成本暴降11.9%！

更离谱的是，「Haiku4.5+Opus 4.6」性能直接翻倍，成本（$1.07）只有Sonnet（$7）的一小部分。

用网友的话来说，「享受Opus的性能，却无需支付Opus的钱」。

还有人全网奔走相告，Claude「龙虾」超进化了，一个更好的OpenClaw版本诞生。

可以说，这不只是一次API更新，更是一场彻底的效率革命。

Claude有了「顾问」

最强Opus 4.6幕后指路

一直以来，开发者在构建AI Agent的过程中，往往面临一个两难选择：

用顶级模型虽聪明，但价格昂贵；

用轻量模型虽便宜，但处理复杂任务时容易「掉链子」。

传统模式的做法是，让性能最强的LLM坐镇中央当「编排者」，把大任务拆解成若干子任务，再分发给更小、更快的模型去执行。

这就好比一个项目经理（大模型）在开会，给底下的组员（小模型）分发不同的工单。

它的局限在于，无论任务简单还是复杂，顶级模型都必须首先介入拆解。每一条请求的开头，都要烧掉最贵的Token。

Anthropic这次玩了个「反直觉」的战术，彻底反转了「大管小」的逻辑。

「顾问策略」采用了一种更加灵活的向上追溯机制：