Anthropic Advisor Strategy 來了! AI筆記成本優化與多代理架構的實戰解析

過去兩年，大型語言模型（LLM）的競爭邏輯非常單純：誰更聰明、誰更強大，誰就贏。

但這個邏輯正在快速瓦解。

以 Anthropic 推出的 Claude 系列模型為例，從 Opus、Sonnet 到 Haiku，本質上並不是「誰取代誰」，而是形成一種分層能力結構：

Opus：高推理能力、高成本
Sonnet：中等能力、平衡成本
Haiku：快速、低成本

問題開始出現：如果任務中只有一小部分需要高推理能力，為什麼整個流程都要用最貴的模型？

筆者透過 AIMochi 筆記工具，整理多方公開資訊和最新報導內容，來看看 Advisor Strategy 出現的背景。

Advisor Strategy：重新定義AI系統的運作方式

所謂 Advisor Strategy，本質是一種「顧問—執行者」架構：

🧠 顧問（Advisor）：高階模型（如 Opus）
⚙️ 執行者（Executor）：較低成本模型（如 Sonnet 或 Haiku）

運作邏輯如下：

任務由執行者先處理
當判斷任務複雜度提高時
才呼叫顧問模型提供策略或決策
再由執行者完成最終輸出

這意味著：AI不再是「單一大腦」，而是一個會動態調度資源的系統

這種設計，與傳統軟體架構中的「微服務（Microservices）」或「分層決策系統」極為相似。

成本結構的關鍵：Token經濟學

要理解這個策略的價值，必須先看成本。

在 Claude 模型中，大致成本如下：

模型	輸入成本（每百萬tokens）	輸出成本（每百萬tokens）
Opus	$5	$25
Sonnet	$3	$15
Haiku	$1	$5

可以觀察到兩個關鍵現象：

1️⃣ 輸出成本遠高於輸入成本

幾乎所有模型皆如此，代表「生成內容」才是真正昂貴的部分。

2️⃣ 模型之間存在倍數差距

Opus 與 Haiku 在輸出成本上相差 5倍以上。

📉 成本優化的本質

如果一個任務：

只有 20% 需要高推理能力
80% 是標準處理流程

那麼使用 Advisor Strategy：

👉 只讓 Opus 處理那 20%
👉 其餘交給 Haiku / Sonnet

結果是：

成本顯著下降（約10%～50%不等）
效能反而提升

實測結果：效能不降反升

根據測試，在軟體工程（SWE）任務中：

Sonnet + Opus（Advisor）:表現提升約 2.7%

在瀏覽測驗（Browsing tasks）中：

Haiku 單獨使用：約 19.7%
Haiku + Opus（Advisor）：約 41.2%

幾乎翻倍成長!

這揭示了一個關鍵現象：模型的「使用方式」，比模型本身更重要。

為什麼這種架構會更強？

這背後有三個核心原因：

1️⃣ 任務分解（Task Decomposition）

不是所有問題都需要高階推理

查詢 → 低難度
決策 → 高難度
格式化 → 低難度

Advisor Strategy 讓每個任務「對應正確能力」

2️⃣ 動態調度（Dynamic Routing）

系統可以決定：

何時升級模型
何時維持低成本

這本質上就是「AI routing」

3️⃣ 減少過度思考（Overthinking）

高階模型常會：

過度分析
生成過多內容
消耗更多 tokens

而低階模型反而更「直接有效」

Messages API vs Claude Code：架構落地的關鍵

在實作層面，Advisor Strategy 主要存在於：Messages API（API層）

而不是：Claude Code（終端產品）

兩者差異：

項目	Messages API	Claude Code
性質	開發工具	成品應用
控制權	高（可自定義）	低
狀態	無狀態	有上下文
工具整合	自定義	內建

如果你是：

開發者
PM
創業者

真正的價值在 API，而不是 UI

因為：Advisor Strategy 本質是「系統設計」，不是單一功能。

實際應用場景：從客服到Coding Agent

1️⃣ 客服系統

Haiku：處理FAQ
Opus：處理投訴 / 複雜案例

👉 成本降低 + 回應品質提升

2️⃣ Coding Agent

Sonnet：寫程式
Opus：做架構設計 / Debug

👉 提高成功率

3️⃣ 搜尋與研究

Haiku：抓資料
Opus：做分析

👉 加速流程

多代理架構（Multi-Agent）的崛起

Advisor Strategy 其實只是更大趨勢的一部分：Multi-Agent Systems

在這個架構中：

每個模型都是一個「角色」
有不同職責與能力
透過 orchestration 協作

與 OpenAI、Google 等公司推動的方向一致：AI 正從「單一模型」走向「系統化協作」

未來趨勢（2026–2028）

根據目前發展，可以預測三個方向：

1️⃣ 模型將被「隱藏」

使用者不再關心用哪個模型
而是系統自動決定

2️⃣ 成本優化成為核心競爭力

不只是誰更強
而是誰「更便宜地達到同樣效果」

3️⃣ AI Orchestration 成為新技術層

未來會出現：

AI Router
Agent Manager
Decision Engine

AI競爭邏輯的轉變

Advisor Strategy 所代表的，不只是一個功能，而是一種轉變：

從：單一模型競爭

走向：系統設計競爭

在這個新範式中：

最強模型不一定最有價值
最有效的「組合」才是

而對開發者與企業而言，真正的問題也已經改變：

不是「哪個模型最好？」，而是「如何讓模型在對的時間做對的事？」

以上僅供參考與資訊分享之用!若想快速了解更多資訊，透過 AIMochi 筆記工具，幫我們從海量資料中，梳理出關鍵資訊，讓我們精準掌握重要訊息!

| 馬上開始使用AIMochi