Modo rápido (beta: vista previa de investigación)

El modo rápido proporciona generación de tokens de salida significativamente más rápida para Claude Opus 4.6. Al establecer speed: "fast" en tu solicitud de API, obtienes hasta 2.5x más tokens de salida por segundo del mismo modelo con precios premium.

Modelos compatibles

El modo rápido es compatible con los siguientes modelos:

• Claude Opus 4.6 (claude-opus-4-6)

Cómo funciona el modo rápido

El modo rápido ejecuta el mismo modelo con una configuración de inferencia más rápida. No hay cambios en la inteligencia o capacidades.

• Hasta 2.5x más tokens de salida por segundo en comparación con la velocidad estándar
• Los beneficios de velocidad se centran en tokens de salida por segundo (OTPS), no en tiempo hasta el primer token (TTFT)
• Los mismos pesos del modelo y comportamiento (no es un modelo diferente)

Uso básico

client = anthropic.Anthropic()

response = client.beta.messages.create(
    model="claude-opus-4-6",
    max_tokens=4096,
    speed="fast",
    betas=["fast-mode-2026-02-01"],
    messages=[
        {"role": "user", "content": "Refactor this module to use dependency injection"}
    ],
)

print(response.content[0].text)

Precios

El modo rápido tiene un precio de 6x las tarifas estándar de Opus en toda la ventana de contexto, incluidas las solicitudes con más de 200k tokens de entrada. La siguiente tabla muestra los precios para Claude Opus 4.6 con modo rápido:

Los precios del modo rápido se apilan con otros modificadores de precios:

• Los multiplicadores de almacenamiento en caché de indicaciones se aplican además de los precios del modo rápido
• Los multiplicadores de residencia de datos se aplican además de los precios del modo rápido

Para obtener detalles completos de precios, consulta la página de precios.

Límites de velocidad

El modo rápido tiene un límite de velocidad dedicado que es separado de los límites de velocidad estándar de Opus. Cuando se excede tu límite de velocidad del modo rápido, la API devuelve un error 429 con un encabezado retry-after que indica cuándo estará disponible la capacidad.

La respuesta incluye encabezados que indican el estado de tu límite de velocidad del modo rápido:

Para límites de velocidad específicos del nivel, consulta la página de límites de velocidad.

Verificar qué velocidad se utilizó

El objeto usage de la respuesta incluye un campo speed que indica qué velocidad se utilizó, ya sea "fast" o "standard":

response = client.beta.messages.create(
    model="claude-opus-4-6",
    max_tokens=1024,
    speed="fast",
    betas=["fast-mode-2026-02-01"],
    messages=[{"role": "user", "content": "Hello"}],
)

print(response.usage.speed)  # "fast" or "standard"

{
  "id": "msg_01XFDUDYJgAACzvnptvVoYEL",
  "type": "message",
  "role": "assistant",
// ...
  "usage": {
    "input_tokens": 523,
    "output_tokens": 1842,
    "speed": "fast"
  }
}

Para rastrear el uso del modo rápido y los costos en toda tu organización, consulta la API de Uso y Costo.

Reintentos y respaldo

Reintentos automáticos

Cuando se exceden los límites de velocidad del modo rápido, la API devuelve un error 429 con un encabezado retry-after. Los SDK de Anthropic reintentan automáticamente estas solicitudes hasta 2 veces por defecto (configurable mediante max_retries), esperando el retraso especificado por el servidor antes de cada reintento. Dado que el modo rápido utiliza reposición continua de tokens, el retraso retry-after es típicamente corto y las solicitudes tienen éxito una vez que la capacidad está disponible.

Respaldo a velocidad estándar

Si prefieres respaldarte a velocidad estándar en lugar de esperar a que esté disponible la capacidad del modo rápido, captura el error de límite de velocidad e intenta nuevamente sin speed: "fast". Establece max_retries en 0 en la solicitud rápida inicial para omitir reintentos automáticos y fallar inmediatamente en errores de límite de velocidad.

Dado que establecer max_retries en 0 también desactiva los reintentos para otros errores transitorios (sobrecargado, errores internos del servidor), los ejemplos a continuación vuelven a emitir la solicitud original con reintentos predeterminados para esos casos.

client = anthropic.Anthropic()


def create_message_with_fast_fallback(max_retries=None, max_attempts=3, **params):
    try:
        return client.beta.messages.create(**params, max_retries=max_retries)
    except anthropic.RateLimitError:
        if params.get("speed") == "fast":
            del params["speed"]
            return create_message_with_fast_fallback(**params)
        raise
    except (
        anthropic.InternalServerError,
        anthropic.OverloadedError,
        anthropic.APIConnectionError,
    ):
        if max_attempts > 1:
            return create_message_with_fast_fallback(
                max_attempts=max_attempts - 1, **params
            )
        raise


message = create_message_with_fast_fallback(
    model="claude-opus-4-6",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Hello"}],
    betas=["fast-mode-2026-02-01"],
    speed="fast",
    max_retries=0,
)

Consideraciones

• Almacenamiento en caché de indicaciones: Cambiar entre velocidad rápida y estándar invalida el caché de indicaciones. Las solicitudes a diferentes velocidades no comparten prefijos en caché.
• Modelos compatibles: El modo rápido actualmente es compatible solo con Opus 4.6. Enviar speed: "fast" con un modelo no compatible devuelve un error.
• TTFT: Los beneficios del modo rápido se centran en tokens de salida por segundo (OTPS), no en tiempo hasta el primer token (TTFT).
• API de lotes: El modo rápido no está disponible con la API de lotes.
• Nivel de prioridad: El modo rápido no está disponible con Nivel de prioridad.

Próximos pasos