Fable 5开放到7月12日！Anthropic同时曝光省钱分层架构：省46%成本，性能只降不到5%

公众号名称：程叙架构与AI.

作者名称：AI兴观点

发布时间：2026-07-08 08:39

✅点击上方🔺公众号🔺关注我✅

Claude 刚刚官宣：Fable 5 向所有付费用户开放到 7月12日。

但比「Fable 5 开放了」更有意思的，是它开放的同时，Anthropic 的 ClaudeDevs 账号连发 5 条推文加 2 篇官方文档，介绍了两套新的 Agent 架构。代码写得出来、API 调得通、钱省得下来，不是画饼。

核心逻辑就一句话：把「思考」和「执行」分开，让最贵的模型只干最值钱的那部分活。

Advisor 模式：让厉害的家伙当军师

第一个模式叫 Advisor Tool。你让一个便宜但够用的模型（比如 Sonnet 5）干大部分活，但它随时可以喊一个更厉害的模型（比如 Fable 5）来当军师。

你正常写 API 调用，但多声明一个 advisor_20260301 类型的工具。Sonnet 5 觉得遇到棘手问题了——比如架构设计、潜在风险判断——就调一下这个工具。调用的瞬间，服务器端跑一次 Fable 5 的推理，看完整个对话历史，给出建议，然后 Sonnet 5 拿到建议继续干活。

整个过程在一个 API 请求里完成，不需要你客户端来回折腾。Fable 5 的思考过程被丢弃了，只返回纯文字建议。Sonnet 5 拿到建议继续往下写代码。

效果呢？ClaudeDevs 给了一组数据：

Sonnet 5 + Fable 5 军师组合，在 SWE-bench Pro 上拿到了 Fable 5 独跑 92% 的分数，但成本只有 63%。

那个 Fable 5 几乎是整场只被调用了一次。大部分工程代码全是 Sonnet 5 自己写完的。

写代码 90% 的活是机械的：遍历目录改个 import、加个 null check、补个单元测试。这些东西不需要 Fable 5 出手。但遇到「这个并发模型选 channel 还是 mutex」这种问题，让 Sonnet 5 自己硬扛就容易走歪。这时候喊一声 Fable 5，一句话就给你掰回来了。

Orchestrator 模式：让厉害的家伙当项目经理

第二个模式是在 Managed Agents（托管 Agent）框架里的。思路一样，但结构反过来——这次 Fable 5 当项目经理，派 Sonnet 5 去干活。

Fable 5 收到一个复杂任务，自己不动手写代码，而是先做规划，然后把子任务派给 Sonnet 5 worker。Sonnet 5 们各自在自己的独立会话线程里干活，各自有自己的上下文缓存。Fable 5 在边上统筹、检查、纠偏。

效果更离谱——Fable 5 当经理 + Sonnet 5 当工人，在 BrowseComp 基准上达到了 Fable 5 独跑 96% 的性能，但成本只有 46%。

能省一半多的钱，性能只掉了不到 5%。

关键窍门在「token 密集型工作被下放给了 Sonnet 5」。那些需要大量搜索、大量阅读、大量输出的活，全由便宜模型干了。Fable 5 只做最值钱的判断和纠偏。

两种模式，一张牌

把两个模式放一起看，Claude 的 Agent 架构哲学就很清楚了：

模式	贵模型角色	便宜模型角色	核心机制	效果
Advisor	军师	执行者	执行者主动求助	92% 性能 @ 63% 成本
Orchestrator	项目经理	工人	项目经理派活	96% 性能 @ 46% 成本

Advisor 模式适合「执行者主动判断要不要问」的场景——比如写代码遇到不确定的设计决策。

Orchestrator 模式适合「需要拆解成多个并行子任务」的场景——比如做研究，需要同时搜多个来源、读多篇文档、交叉验证。

Managed Agents 框架同时支持这两种模式，子 Agent 可以向上求助（escalate to advisor），也可以向下派活（delegate to workers）。每个子 Agent 有自己的独立缓存，重复调用不用为同一段上下文付两次费。

这件事为什么重要

Anthropic 这几条推文不只是在推一个新功能——他们在告诉你 AI Agent 的「最优经济模型」长什么样。

去年大家还在比谁家的模型更强。今年风向变了——怎么用最强模型的同时不让成本失控，成了真正的分水岭。

这套「混合用工」模式参考了人类组织的方式：你不会让 CTO 去写每个单元测试，也不会让实习生去做架构决策。模型也是一样的道理。

对开发者来说，这意味着几件事：

不用再纠结选哪个模型了。 以前选 Sonnet 怕不够聪明，选 Opus/Fable 怕太贵。现在你两个都要——Sonnet 干 90% 的活，关键时刻升到 Fable。
成本是可以预判的。 至少 46-63% 的成本节省是官方验证过的，不会出现「用了最强模型，月底一看账单崩溃」的情况。
代码实现并不复杂。 Advisor Tool 就是一个 API 参数的事，Managed Agents 也就是配置几个 agent 定义。

开发 AI Agent 这件事终于开始有点像正经工程了——有架构分层、有成本模型、有模式复用。不是「往一个模型里塞所有东西然后祈祷」的那种玩法了。

如果觉得这篇文章有帮助，欢迎点赞、在看、转发！有问题也可以在评论区留言，我会尽量回复！

内容效果不满意？点此反馈