Schnellmodus (Forschungsvorschau)

Der Schnellmodus bietet deutlich schnellere Ausgabe-Token-Generierung für Claude Opus 4.6. Durch Setzen von speed: "fast" in Ihrer API-Anfrage erhalten Sie bis zu 2,5x höhere Ausgabe-Token pro Sekunde vom gleichen Modell zu Premium-Preisen.

Unterstützte Modelle

Der Schnellmodus wird auf den folgenden Modellen unterstützt:

• Claude Opus 4.6 (claude-opus-4-6)

Wie der Schnellmodus funktioniert

Der Schnellmodus führt das gleiche Modell mit einer schnelleren Inferenzkonfiguration aus. Es gibt keine Änderung an Intelligenz oder Fähigkeiten.

• Bis zu 2,5x höhere Ausgabe-Token pro Sekunde im Vergleich zur Standardgeschwindigkeit
• Geschwindigkeitsvorteile konzentrieren sich auf Ausgabe-Token pro Sekunde (OTPS), nicht auf Zeit bis zum ersten Token (TTFT)
• Gleiche Modellgewichte und Verhalten (nicht ein anderes Modell)

Grundlegende Verwendung

curl https://api.anthropic.com/v1/messages \
    --header "x-api-key: $ANTHROPIC_API_KEY" \
    --header "anthropic-version: 2023-06-01" \
    --header "anthropic-beta: fast-mode-2026-02-01" \
    --header "content-type: application/json" \
    --data '{
        "model": "claude-opus-4-6",
        "max_tokens": 4096,
        "speed": "fast",
        "messages": [{
            "role": "user",
            "content": "Refactor this module to use dependency injection"
        }]
    }'

Preisgestaltung

Der Schnellmodus wird mit 6x Standard-Opus-Sätzen für Prompts ≤200K Token und 12x Standard-Opus-Sätzen für Prompts > 200K Token berechnet. Die folgende Tabelle zeigt die Preisgestaltung für Claude Opus 4.6 mit Schnellmodus:

Die Preisgestaltung des Schnellmodus wird mit anderen Preismodifikatoren kombiniert:

• Prompt-Caching-Multiplikatoren gelten zusätzlich zur Schnellmodus-Preisgestaltung
• Datenresidenz Multiplikatoren gelten zusätzlich zur Schnellmodus-Preisgestaltung

Für vollständige Preisdetails siehe die Preisseite.

Rate Limits

Der Schnellmodus hat ein dediziertes Rate Limit, das vom Standard-Opus-Rate-Limit getrennt ist. Im Gegensatz zur Standardgeschwindigkeit, die separate Limits für ≤200K und >200K Eingabe-Token hat, verwendet der Schnellmodus ein einzelnes Rate Limit, das den vollständigen Kontextbereich abdeckt. Wenn Ihr Schnellmodus-Rate-Limit überschritten wird, gibt die API einen 429-Fehler mit einem retry-after-Header zurück, der angibt, wann Kapazität verfügbar sein wird.

Die Antwort enthält Header, die Ihren Schnellmodus-Rate-Limit-Status anzeigen:

Für ebenenspezifische Rate Limits siehe die Rate-Limits-Seite.

Überprüfung, welche Geschwindigkeit verwendet wurde

Das Antwort-usage-Objekt enthält ein speed-Feld, das angibt, welche Geschwindigkeit verwendet wurde, entweder "fast" oder "standard":

Um die Nutzung und Kosten des Schnellmodus in Ihrer Organisation zu verfolgen, siehe die Nutzungs- und Kosten-API.

Wiederholungen und Fallback

Automatische Wiederholungen

Wenn die Rate Limits des Schnellmodus überschritten werden, gibt die API einen 429-Fehler mit einem retry-after-Header zurück. Die Anthropic SDKs wiederholen diese Anfragen automatisch bis zu 2 Mal standardmäßig (konfigurierbar über max_retries), wobei sie vor jeder Wiederholung auf die vom Server angegebene Verzögerung warten. Da der Schnellmodus kontinuierliche Token-Auffüllung verwendet, ist die retry-after-Verzögerung typischerweise kurz und Anfragen sind erfolgreich, sobald Kapazität verfügbar ist.

Fallback zur Standardgeschwindigkeit

Wenn Sie lieber zur Standardgeschwindigkeit zurückfallen möchten, anstatt auf Schnellmodus-Kapazität zu warten, fangen Sie den Rate-Limit-Fehler ab und wiederholen Sie die Anfrage ohne speed: "fast". Setzen Sie max_retries auf 0 für die anfängliche schnelle Anfrage, um automatische Wiederholungen zu überspringen und sofort bei Rate-Limit-Fehlern zu fehlschlagen.

Da das Setzen von max_retries auf 0 auch Wiederholungen für andere vorübergehende Fehler deaktiviert (überlastet, interne Serverfehler), geben die folgenden Beispiele die ursprüngliche Anfrage mit Standard-Wiederholungen für diese Fälle erneut aus.

Überlegungen

• Prompt-Caching: Das Wechseln zwischen schneller und Standardgeschwindigkeit invalidiert den Prompt-Cache. Anfragen mit unterschiedlichen Geschwindigkeiten teilen sich keine zwischengespeicherten Präfixe.
• Unterstützte Modelle: Der Schnellmodus wird derzeit nur auf Opus 4.6 unterstützt. Das Senden von speed: "fast" mit einem nicht unterstützten Modell gibt einen Fehler zurück.
• TTFT: Die Vorteile des Schnellmodus konzentrieren sich auf Ausgabe-Token pro Sekunde (OTPS), nicht auf Zeit bis zum ersten Token (TTFT).
• Batch-API: Der Schnellmodus ist nicht mit der Batch-API verfügbar.
• Priority Tier: Der Schnellmodus ist nicht mit Priority Tier verfügbar.

Nächste Schritte