300 组基准实测:Opus 调度 Haiku 比单干省一半钱还多找出 23 个错
BeginningSir7334 · reddit · 2026-11-17
一位 Reddit 用户在真实开源代码库上跑了约 300 组基准,测试 Claude Code 在 Opus 主导下把任务委派给更便宜模型是否真的省钱。
核心结论:
- 小任务委派不划算:在约 1 万行的代码库上,强制 Haiku 最多只省 5%,Skill 路由反而贵 14-30%;单独的 Opus 因为缓存上下文便宜、开销小,反而更准。
- 禁止委派的 Opus 更卖力:一次大型文档检查中被禁止用子代理的 Opus 多写了约 50% 的 token,花更多钱,却找出更多错误(44 vs 36)。
- 编码任务:Opus + Haiku 在同等质量下省 20-30%;在任务定义清晰、有测试的场景,单独 Haiku 的成本约为单独 Opus 的 5%,效果几乎相当。
- 最关键发现:85 页文档检查中,Opus + Haiku 读的 token 近 3 倍、写的 token 达 8 倍,成本却低 53%,找出 72 个真实错误 vs 单独 Opus 的 49 个。多个子代理并行覆盖更多上下文,弥补了 Haiku 单个能力较弱的问题。
这一结果与 Anthropic 自己的多智能体研究系统文章一致——该文指出 token 用量 alone 解释了研究基准上 80% 的性能差异。
「编程与Agent」频道最新
- YC 转载热帖:2023 年九成以上编码工作已被自动化,但 SWE 需求反升 — ycombinator · 2026-11-17
- 宝玉谈多 Agent 分工:前台用弱模型调度,强模型开 Thread 执行 — dotey · 2026-11-17
- 华为 EvoTrias 论文:搜索规划、写码、评分三权分立,刷新 SOTA — rohanpaul_ai · 2026-11-17
- 华为 EvoTrias 论文:搜索/编码/评分三权分立,省 64% token — rohanpaul_ai · 2026-11-17
- agent-browser:让编码 Agent 自己操作浏览器、验证修复并提 PR — evilrabbit_ · 2026-11-17
- OpenRouter 实测 MCP、CLI 与 Skills 的上下文 token 开销 — rseroter · 2026-11-17