Claude Platform Docs
MensagensCapacidades do modelo

Modo rápido

Obtenha até 2,5x mais tokens de saída por segundo em modelos Claude compatíveis.

O uso varia conforme o produto

Messages API
Defina speed: "fast" na requisição.
Managed Agents
Defina speed no objeto de modelo do agente, por exemplo {"id": "claude-opus-5-5", "speed": "fast"}.

O “fast mode” (modo rápido) oferece até 2,5x mais tokens de saída por segundo com preços premium. Defina speed: "fast" na sua solicitação para ativá-lo. O modo rápido está disponível no Claude Fable 5.2, no Claude Mythos 5.2 e no Claude Opus 5.5. O modo rápido está em prévia de pesquisa no Claude Opus 5 e descontinuado no Claude Opus 4.8.

Como o modo rápido funciona

O modo rápido executa o mesmo modelo com uma configuração de inferência mais rápida. Não há mudança na inteligência ou nas capacidades.

  • Até 2,5x mais tokens de saída por segundo em comparação com a velocidade padrão
  • Os benefícios de velocidade se concentram em “output tokens per second” (tokens de saída por segundo), ou OTPS, e não em “time to first token” (tempo até o primeiro token), ou TTFT
  • Compatível com streaming, onde o ganho de OTPS é mais visível

Uso básico

O modo rápido funciona apenas em modelos compatíveis. Consulte Disponibilidade para obter detalhes, incluindo quais modelos precisam de um cabeçalho beta.

client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-opus-5-5",
    max_tokens=4096,
    speed="fast",
    messages=[
        {"role": "user", "content": "Refactor this module to use dependency injection"}
    ],
)

for block in response.content:
    if block.type == "text":
        print(block.text)

No Claude no Microsoft Foundry, o modo rápido tem seus próprios IDs de modelo, e a implantação define a velocidade. Envie as solicitações do modo rápido para uma implantação do modelo do modo rápido e omita speed:

ModeloID do modelo do modo rápido
Claude Fable 5.2claude-fable-5-2-fast
Claude Mythos 5.2claude-mythos-5-2-fast
Claude Opus 5.5claude-opus-5-5-fast

Uma solicitação que define speed em uma implantação do modelo padrão, como claude-opus-5-5, retorna um erro.

Limites de taxa

O modo rápido tem um “rate limit” (limite de taxa) dedicado, separado dos limites de taxa padrão. Quando você excede o seu limite de taxa do modo rápido, a API retorna um erro 429 com um cabeçalho retry-after que informa quando haverá capacidade disponível. No Claude Models on Google Cloud (Google managed), o Google Cloud gerencia os limites de taxa e as cotas.

O Claude Fable 5.2, o Claude Mythos 5.2 e o Claude Opus 5.5 têm um limite de taxa padrão de modo rápido. O limite padrão se aplica nos níveis de uso Start, Build e Scale. Você não precisa solicitar acesso ao modo rápido para esses modelos. Organizações no nível de avaliação podem usar o modo rápido com esses modelos assim que passarem para o nível Start, Build ou Scale.

A resposta inclui cabeçalhos que indicam o status do seu limite de taxa do modo rápido:

CabeçalhoDescrição
anthropic-fast-input-tokens-limitMáximo de tokens de entrada do modo rápido por minuto
anthropic-fast-input-tokens-remainingTokens de entrada do modo rápido restantes
anthropic-fast-input-tokens-resetMomento em que o limite de tokens de entrada do modo rápido é redefinido
anthropic-fast-output-tokens-limitMáximo de tokens de saída do modo rápido por minuto
anthropic-fast-output-tokens-remainingTokens de saída do modo rápido restantes
anthropic-fast-output-tokens-resetMomento em que o limite de tokens de saída do modo rápido é redefinido

Para ver seus limites de taxa do modo rápido, acesse a página Limites de taxa no Claude Console.

Verificando qual velocidade foi usada

O objeto usage da resposta inclui um campo speed que indica qual velocidade foi usada, "fast" ou "standard". Solicitar speed: "fast" em um modelo que não oferece suporte ao modo rápido retorna um erro, assim como exceder os limites de taxa ou a capacidade do modo rápido (um 429 ou 529). Quando uma solicitação com speed: "fast" é bem-sucedida, usage.speed é "fast". O Claude Opus 4.6 é uma exceção: em vez de retornar um erro, uma solicitação com speed: "fast" e o cabeçalho beta fast-mode-2026-02-01 é bem-sucedida, mas é executada na velocidade padrão. Nessa situação, usage.speed mostra "standard". No Claude Models on Google Cloud (Anthropic managed), uma solicitação do Claude Opus 4.6 com speed: "fast" retorna um erro 400 mesmo com o cabeçalho.

client = anthropic.Anthropic()

response = client.messages.create(
    model="claude-opus-5-5",
    max_tokens=1024,
    speed="fast",
    messages=[{"role": "user", "content": "Hello"}],
)

print(response.usage.speed)  # "fast" or "standard"
Output
{
  "id": "msg_01XFDUDYJgAACzvnptvVoYEL",
  "type": "message",
  "role": "assistant",

  "usage": {
    "input_tokens": 8,
    "output_tokens": 12,
    "speed": "fast"
  }
}

Para acompanhar o uso e os custos do modo rápido em toda a sua organização, consulte a API de Análise de Uso e Custo.

Novas tentativas e fallbacks

Novas tentativas automáticas

O SDK repete automaticamente erros 429 do modo rápido até duas vezes por padrão (configurável com max_retries), aguardando o atraso indicado no cabeçalho retry-after antes de cada nova tentativa. Como o modo rápido usa reposição contínua de tokens, o atraso de retry-after normalmente é curto e as solicitações são bem-sucedidas assim que há capacidade disponível.

Recorrendo à velocidade padrão

Se você preferir recorrer à velocidade padrão em vez de aguardar capacidade do modo rápido, capture o erro de limite de taxa e tente novamente sem speed: "fast". No Claude no Microsoft Foundry, a implantação define a velocidade, portanto tente novamente em uma implantação do modelo padrão. Defina max_retries como 0 na solicitação rápida inicial para ignorar as novas tentativas automáticas e falhar imediatamente em erros de limite de taxa.

Como definir max_retries como 0 também desativa novas tentativas para outros erros transitórios (sobrecarga, erros internos do servidor), os exemplos a seguir reenviam a solicitação após esses erros.

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).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-5-5",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Hello"}],
    speed="fast",
    max_retries=0,
)

Considerações

  • Batch API: O modo rápido não está disponível com a Batch API.
  • Priority Tier: O modo rápido não está disponível com um compromisso de Priority Tier.

Preços

O modo rápido tem preço com um multiplicador sobre as tarifas padrão em toda a “context window” (janela de contexto), incluindo solicitações com mais de 200k tokens de entrada. No Claude Models on Google Cloud (Google managed), o Google Cloud define os preços do modo rápido. Consulte Preços das plataformas de nuvem.

ModeloEntradaSaída
Claude Fable 5.2$16 USD / MTok$80 USD / MTok
Claude Mythos 5.2$16 USD / MTok$80 USD / MTok
Claude Opus 5.5$8 USD / MTok$40 USD / MTok
Claude Opus 5 / Claude Opus 4.8$10 USD / MTok$50 USD / MTok

O preço do modo rápido se acumula com outros modificadores de preço:

Para obter detalhes completos de preços, consulte a página Preços.

Disponibilidade

O modo rápido está disponível apenas nos modelos a seguir. Se você estava usando o modo rápido em um modelo anterior, migre para um modelo que ofereça suporte ao modo rápido.

Para acessar o modo rápido no Claude Opus 5, entre em contato com seu gerente de conta ou entre na lista de espera.

Modo rápido
APIs
  • Messages API
  • Managed AgentsSomente com Claude Opus 5.5, Claude Opus 5, Claude Opus 4.8
Modelos
  • Claude Fable 5.2
  • Claude Mythos 5.2
  • Claude Opus 5.5
  • Claude Opus 5 Prévia de pesquisa, requer
  • Claude Opus 4.8 Descontinuado, requer

Data de remoção: 30 de novembro de 2026. Após a remoção, requisições para claude-opus-4-8 com speed: "fast" retornarão um erro. Para continuar usando o modo rápido, migre para o Claude Opus 5.5. Consulte Migrando do Claude Opus 4.8 para o Claude Opus 5.5.

Endpoints aplicáveis

  • /v1/messages com speed: "fast"
Retenção zero de dadosElegível

Exclui Modelos cobertos

Mesmo endpoint da Messages API com inferência mais rápida. O ZDR se aplica independentemente da configuração de velocidade.

HIPAAElegível

Próximos passos

Obtenha resultados JSON validados de fluxos de trabalho de agentes.

Saiba mais sobre a estrutura de preços da Anthropic para modelos e recursos.

Controle quantos tokens Claude usa ao responder com o parâmetro effort, equilibrando a profundidade da resposta e a eficiência de tokens.

Faça streaming de respostas da Messages API de forma incremental com server-sent events, incluindo deltas de texto, uso de ferramentas e pensamento estendido.

Esta página foi útil?