Modo rápido (vista previa de investigación)

El modo rápido ofrece hasta 2,5 veces más tokens de salida por segundo con Claude Opus 4.8 y Claude Opus 4.7 a un precio premium. Establece speed: "fast" junto con el encabezado beta fast-mode-2026-02-01 en tu solicitud para activarlo.



Modelos compatibles

El modo rápido es compatible con los siguientes modelos:

• Claude Opus 4.8 (claude-opus-4-8)
• Claude Opus 4.7 (claude-opus-4-7)



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 ni en las capacidades.

• Hasta 2,5 veces más tokens de salida por segundo en comparación con la velocidad estándar
• Los beneficios de velocidad se centran en los "output tokens per second" (tokens de salida por segundo), o OTPS, no en el "time to first token" (tiempo hasta el primer token), o TTFT
• Mismos pesos y comportamiento del modelo (no es un modelo diferente)
• Compatible con streaming, donde la mejora en OTPS es más visible



Uso básico

client = anthropic.Anthropic()

response = client.beta.messages.create(
    model="claude-opus-4-8",
    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 basado en un multiplicador por modelo sobre las tarifas estándar en toda la ventana de contexto, incluidas las solicitudes con más de 200k tokens de entrada. La siguiente tabla muestra los precios del modo rápido para cada modelo compatible:

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

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

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



Límites de velocidad

El modo rápido tiene un límite de velocidad dedicado que es independiente 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 habrá capacidad disponible.

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

Para conocer los límites de velocidad específicos por nivel, consulta la página de límites de velocidad.



Verificar qué velocidad se usó

El objeto usage de la respuesta incluye un campo speed que indica qué velocidad se usó, ya sea "fast" o "standard". En los modelos compatibles, el modo rápido no recurre silenciosamente a la velocidad estándar ante límites de velocidad o falta de capacidad (en su lugar recibirás un 429 o 529), por lo que cuando solicitas speed: "fast" en Claude Opus 4.8 o Claude Opus 4.7, usage.speed es "fast". En Claude Opus 4.6, donde el modo rápido no está disponible, las solicitudes con speed: "fast" se ejecutan a velocidad estándar y devuelven usage.speed: "standard". Verifica este campo para confirmar qué velocidad atendió una solicitud.

client = anthropic.Anthropic()

response = client.beta.messages.create(
    model="claude-opus-4-8",
    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": 8,
    "output_tokens": 12,
    "speed": "fast"
  }
}

Para hacer seguimiento del uso y los costos del modo rápido en toda tu organización, consulta la API de uso y costos.



Reintentos y alternativa



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 de forma predeterminada (configurable con max_retries), esperando el tiempo especificado por el servidor antes de cada reintento. Dado que el modo rápido usa reposición continua de tokens, el tiempo de espera de retry-after suele ser corto y las solicitudes tienen éxito una vez que hay capacidad disponible.



Recurrir a la velocidad estándar

Si prefieres recurrir a la velocidad estándar en lugar de esperar a que haya capacidad en el modo rápido, captura el error de límite de velocidad y reintenta sin speed: "fast". Establece max_retries en 0 en la solicitud rápida inicial para omitir los reintentos automáticos y fallar inmediatamente ante errores de límite de velocidad.

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

client = anthropic.Anthropic()


def create_message_with_fast_fallback(max_retries=0, max_attempts=3, **params):
    try:
        return client.with_options(max_retries=max_retries).beta.messages.create(
            **params
        )
    except anthropic.RateLimitError:
        if params.get("speed") == "fast":
            del params["speed"]
            return create_message_with_fast_fallback(max_retries=max_retries, **params)
        raise
    except (
        anthropic.APIStatusError,
        anthropic.APIConnectionError,
    ) as error:
        if isinstance(error, anthropic.APIStatusError) and error.status_code < 500:
            raise
        if max_attempts > 1:
            return create_message_with_fast_fallback(
                max_retries=max_retries, max_attempts=max_attempts - 1, **params
            )
        raise


message = create_message_with_fast_fallback(
    model="claude-opus-4-8",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Hello"}],
    betas=["fast-mode-2026-02-01"],
    speed="fast",
    max_retries=0,
)



Consideraciones

• Almacenamiento en caché de prompts: Cambiar entre velocidad rápida y estándar invalida la caché de prompts. Las solicitudes a diferentes velocidades no comparten prefijos en caché.
• Modelos compatibles: El modo rápido es compatible con Claude Opus 4.8 y Claude Opus 4.7 (modo rápido obsoleto; eliminación el 24 de julio de 2026, sin afectar al modelo en sí). En Claude Opus 4.6, las solicitudes con speed: "fast" no devuelven un error: se ejecutan a velocidad estándar y se facturan a tarifas estándar. En cualquier otro modelo, enviar speed: "fast" devuelve un error.
• TTFT: Los beneficios del modo rápido se centran en los tokens de salida por segundo (OTPS), no en el tiempo hasta el primer token (TTFT).
• API de lotes: El modo rápido no está disponible con la API de lotes.
• Priority Tier: El modo rápido no está disponible con un compromiso de Priority Tier.
• Claude Platform en AWS: El modo rápido no está disponible actualmente en Claude Platform en AWS.



Próximos pasos