Claude Advisor：用Fable 5当顾问，Opus 4.8做执行

公众号名称：AI编程实验室

作者名称：鲁工

发布时间：2026-07-08 16:09

大家好，我是鲁工。

今天Claude官方宣布，原定于7号关门的Claude Fable 5，延期到了12号。感觉更像是为了阻击GPT-5.6的策略。不过总算还能多蹬几天Fable 5了，刚好也赶上昨天重置了。

但12号之后，Fable 5就要真正从订阅中移除了。之后要再想用，只能按API付费了。昨天刚好，在X上看到一个数据，就是一个用Claude Code的team，具体不清楚这个team有多少人，纯用API的情况下，用Fable 5跑了24小时，结果收到了113421.87刀的天价账单。简直离谱。

同样情况下，我们看下Claude官方算的一笔账。同一批SWE-bench Pro的题（考察真实仓库编程能力的基准，官方用了482道的精选子集），全程用Sonnet 5做，一道题的名义成本0.75刀左右，准确率75%出头；全程换Fable 5，一道题涨到2.2刀，准确率能到91%。这是官方图上的两个端点，也是所有用API的人绕不开的老难题：便宜的不够聪明，聪明的太贵。

这是今天ClaudeDevs发了一条推文，在图上又标了第三个点：Sonnet 5干活，Fable 5当顾问，一道题1.4刀，准确率约84%。花六成的钱，拿到九成的分数。官方的说法是，Most tokens are billed at the lower executor rate，大部分token按便宜的执行模型计费。

这个玩法背后是API里一个叫advisor tool的功能，beta头是advisor-tool-2026-03-01，从版本号看三月就已经上线，这次配合Fable 5解禁被官方拿出来重点推。下面按文档把机制捋一遍，几处实用的调参数据也一并放进来。

一句话表述就是：你在一次请求里声明两个模型。顶层model字段填便宜的执行者（executor），tools数组里再塞一个advisor工具，model填贵的顾问：

{
"type": "advisor_20260301",
"name": "advisor",
"model": "claude-fable-5",
"max_tokens": 2048
}

执行者干活干到一半，觉得这活需要高人指点了，就像调普通工具一样调一次advisor。服务端把它到目前为止的完整对话记录（系统提示、工具定义、历史轮次、这一轮已经写出来的内容）原封不动转给顾问模型，顾问单独跑一次推理，给一段建议文本，塞回执行者的上下文，执行者接着干。

调用advisor时input永远是空的。执行者只负责决定什么时候求助，转发材料这事服务端全包。整个过程发生在同一次/v1/messages请求内部，你这边不用写任何跨模型的搬运和拼接逻辑。

完整代码段如下：

client = anthropic.Anthropic()

response = client.beta.messages.create(
model="claude-sonnet-5",
max_tokens=4096,
betas=["advisor-tool-2026-03-01"],
tools=[
{
"type": "advisor_20260301",
"name": "advisor",
"model": "claude-fable-5",
}
],
messages=[
{
"role": "user",
"content": "Build a concurrent worker pool in Go with graceful shutdown.",
}
],
)

print(response)

拿我熟悉的场景类比，这就是主治医师碰到拿不准的片子，请上级专家来会诊：专家看完整病历，给个方向性意见就走，病历还是主治医师自己写。顾问模型不带任何工具，也不做上下文管理，它的thinking在返回前就被丢掉，执行者只拿到建议正文。

有个细节需要注意一下。Fable 5当顾问时返回的是加密块（advisor_redacted_result），你自己都看不到它给了什么建议，下一轮由服务端解密后渲染进执行者的prompt；换Opus当顾问则是明文。

配对有硬性规则：顾问必须至少和执行者一样强，且最低是Sonnet 4.6。Haiku 4.5可以请Sonnet 4.6及以上的任何模型，Sonnet 5只能请Opus 4.7、4.8或Fable 5，Fable 5只能请它自己。配错了直接返回400。

省钱的逻辑也简单。Fable 5的输出价是每百万token 50美元，Sonnet 5是15美元，8月底前优惠价10美元。一个coding任务里，真正的大头是执行者生成的代码、工具调用和中间过程；顾问每次只输出400到700个token的建议，算上内部thinking也就1400到1800。

官方建议一个任务问两三次：动手前问一次方向，自认为做完了再问一次把关。文档还特意提醒，把关前先把交付物落盘，advisor调用耗时，万一会话半路断了，存盘的东西还在。这样一来，大部分token走Sonnet的价，只有咨询那几下按Fable计。

计费在响应的usage.iterations数组里分段列出，advisor_message条目按顾问费率、message条目按执行者费率，做成本核算能精确到每一次咨询。

有一处开销要留意：顾问每次都要重读执行者的完整对话记录，这部分输入按Fable 5每百万token 10美元计，对话越长越费钱。所以工具定义上有个caching开关，给顾问那边单独开提示缓存，官方口径是一个对话里问三次以上就回本。长agent循环建议开，短任务别开，中途开开关关反而全是cache miss。

还有一个玩法是：Fable 5当orchestrator做规划，把活分给一堆Sonnet 5 worker去跑。​官方在BrowseComp（考察agent联网搜索能力的基准）上测了这套组合：Fable 5领队加Sonnet 5干活，准确率86.8%，每题18.53美元；全Sonnet 5是77.8%、16.01美元；全Fable 5是90.8%、40.56美元。​官方的总结是96%的性能、46%的价格。

两个方向合起来看，advisor是便宜模型往上求助，orchestrator是贵模型往下派活。Claude Managed Agents的subagent两种都支持，每个subagent还各自维护缓存，重复调用不用为同一份上下文付两遍全价。

用Claude Code的朋友更省事，这个功能已经进了Claude Code本体，官方文档标注v2.1.98版本起可用。会话里敲/advisor指定顾问模型（也可以在settings.json里配advisorModel），主模型用/model切到Sonnet 5，就是本文这套Sonnet干活、Fable把关的组合，配对规则和API一致。

它和更早的opusplan有所区别。opusplan是Plan阶段用Opus、执行阶段切Sonnet，属于阶段之间换模型；advisor是干活中途随时求助，顾问还能看到主对话的完整记录，包括每一次工具调用和结果。这一点subagent也替代不了：给子agent的frontmatter指定再强的model，它也只拿到主agent写给它的任务描述，看不到主对话历史。

其实这种干活方式大家或多或少都在用的。用API和中转站的朋友多少都干过这种事：DeepSeek或者GLM跑量，遇到难题手动把上下文复制给GPT-5.5或者Opus 4.8问一嘴，再把答案贴回去接着跑。我看到advisor tool的第一反应就是，官方把这套手工偏方转正了。手搓版最烦的是两边上下文对不齐，转正版在服务端一次请求内解决。

现在Fable 5还在订阅内，这种advisor的组合干活方式，大家体感可能还不明显，觉得所有事情交给Fable 5去蹬就好。但12号Fable 5从订阅中下掉之后，当我们遇到GPT-5.6或者Opus 4.8都搞不定的问题时，适量付费请Fable 5来当顾问，未尝不是一个能解决问题的方法。

如果觉得有用，点个赞或者在看，也方便更多朋友看到。

感谢您阅读我的文章。我是鲁工，九年AI算法老兵，AI全栈开发者，深耕AI编程赛道与AI科研赛道。

>/ 作者：鲁工

---

内容效果不满意？点此反馈