Mode rapide (aperçu de recherche)

Le mode rapide offre jusqu'à 2,5 fois plus de tokens de sortie par seconde avec Claude Opus 4.8 et Claude Opus 4.7, à un tarif premium. Définissez speed: "fast" avec l'en-tête bêta fast-mode-2026-02-01 dans votre requête pour l'activer.



Modèles pris en charge

Le mode rapide est pris en charge sur les modèles suivants :

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



Fonctionnement du mode rapide

Le mode rapide exécute le même modèle avec une configuration d'inférence plus rapide. Il n'y a aucun changement en matière d'intelligence ou de capacités.

• Jusqu'à 2,5 fois plus de tokens de sortie par seconde par rapport à la vitesse standard
• Les gains de vitesse se concentrent sur les « output tokens per second » (tokens de sortie par seconde), ou OTPS, et non sur le « time to first token » (temps jusqu'au premier token), ou TTFT
• Mêmes poids de modèle et même comportement (il ne s'agit pas d'un modèle différent)
• Compatible avec le streaming, où le gain en OTPS est le plus visible



Utilisation de base

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)



Tarification

Le mode rapide est facturé selon un multiplicateur propre à chaque modèle appliqué aux tarifs standard sur l'ensemble de la fenêtre de contexte, y compris les requêtes dépassant 200k tokens d'entrée. Le tableau suivant présente la tarification du mode rapide pour chaque modèle pris en charge :

La tarification du mode rapide se cumule avec d'autres modificateurs de tarification :

• Les multiplicateurs de mise en cache des prompts s'appliquent en plus de la tarification du mode rapide
• Les multiplicateurs de résidence des données s'appliquent en plus de la tarification du mode rapide

Pour obtenir tous les détails de tarification, consultez la page de tarification.



Limites de débit

Le mode rapide dispose d'une limite de débit dédiée, distincte des limites de débit standard d'Opus. Lorsque votre limite de débit du mode rapide est dépassée, l'API renvoie une erreur 429 avec un en-tête retry-after indiquant quand la capacité sera disponible.

La réponse inclut des en-têtes qui indiquent l'état de votre limite de débit du mode rapide :

Pour les limites de débit spécifiques à chaque niveau, consultez la page des limites de débit.



Vérifier quelle vitesse a été utilisée

L'objet usage de la réponse inclut un champ speed qui indique quelle vitesse a été utilisée, soit "fast", soit "standard". Sur les modèles pris en charge, le mode rapide ne bascule pas silencieusement vers la vitesse standard en cas de limites de débit ou de capacité (vous recevrez plutôt une erreur 429 ou 529), donc lorsque vous demandez speed: "fast" sur Claude Opus 4.8 ou Claude Opus 4.7, usage.speed vaut "fast". Sur Claude Opus 4.6, où le mode rapide n'est pas disponible, les requêtes avec speed: "fast" s'exécutent à la vitesse standard et renvoient usage.speed: "standard". Vérifiez ce champ pour confirmer quelle vitesse a traité une requête.

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"
  }
}

Pour suivre l'utilisation et les coûts du mode rapide dans votre organisation, consultez l'API Usage and Cost.



Nouvelles tentatives et basculement



Nouvelles tentatives automatiques

Lorsque les limites de débit du mode rapide sont dépassées, l'API renvoie une erreur 429 avec un en-tête retry-after. Les SDK Anthropic réessaient automatiquement ces requêtes jusqu'à 2 fois par défaut (configurable avec max_retries), en attendant le délai spécifié par le serveur avant chaque nouvelle tentative. Comme le mode rapide utilise un réapprovisionnement continu des tokens, le délai retry-after est généralement court et les requêtes aboutissent dès que la capacité est disponible.



Basculement vers la vitesse standard

Si vous préférez basculer vers la vitesse standard plutôt que d'attendre la capacité du mode rapide, interceptez l'erreur de limite de débit et réessayez sans speed: "fast". Définissez max_retries à 0 sur la requête rapide initiale pour ignorer les nouvelles tentatives automatiques et échouer immédiatement en cas d'erreurs de limite de débit.

Comme définir max_retries à 0 désactive également les nouvelles tentatives pour d'autres erreurs transitoires (surcharge, erreurs internes du serveur), les exemples suivants réémettent la requête d'origine avec les nouvelles tentatives par défaut pour ces cas.

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,
)



Considérations

• Mise en cache des prompts : Basculer entre le mode rapide et la vitesse standard invalide le cache des prompts. Les requêtes à des vitesses différentes ne partagent pas les préfixes mis en cache.
• Modèles pris en charge : Le mode rapide est pris en charge sur Claude Opus 4.8 et Claude Opus 4.7 (mode rapide obsolète ; suppression le 24 juillet 2026, le modèle lui-même n'étant pas affecté). Sur Claude Opus 4.6, les requêtes avec speed: "fast" ne renvoient pas d'erreur : elles s'exécutent à la vitesse standard et sont facturées aux tarifs standard. Sur tout autre modèle, envoyer speed: "fast" renvoie une erreur.
• TTFT : Les avantages du mode rapide se concentrent sur les tokens de sortie par seconde (OTPS), et non sur le temps jusqu'au premier token (TTFT).
• API Batch : Le mode rapide n'est pas disponible avec l'API Batch.
• Priority Tier : Le mode rapide n'est pas disponible avec un engagement Priority Tier.
• Claude Platform sur AWS : Le mode rapide n'est actuellement pas disponible sur Claude Platform sur AWS.



Étapes suivantes