Modo rápido (visualização de pesquisa)

O modo rápido fornece geração de tokens de saída significativamente mais rápida para Claude Opus 4.6. Ao definir speed: "fast" em sua solicitação de API, você obtém até 2,5x mais tokens de saída por segundo do mesmo modelo com preço premium.

Modelos suportados

O modo rápido é suportado nos seguintes modelos:

• Claude Opus 4.6 (claude-opus-4-6)

Como funciona o modo rápido

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

• Até 2,5x mais tokens de saída por segundo em comparação com velocidade padrão
• Os benefícios de velocidade são focados em tokens de saída por segundo (OTPS), não em tempo até o primeiro token (TTFT)
• Mesmos pesos e comportamento do modelo (não é um modelo diferente)

Uso básico

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"
        }]
    }'

Preços

O modo rápido é precificado em 6x as taxas padrão do Opus para prompts ≤200K tokens, e 12x as taxas padrão do Opus para prompts > 200K tokens. A tabela a seguir mostra os preços para Claude Opus 4.6 com modo rápido:

Os preços do modo rápido se acumulam com outros modificadores de preço:

• Multiplicadores de cache de prompt se aplicam sobre os preços do modo rápido
• Residência de dados multiplicadores se aplicam sobre os preços do modo rápido

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

Limites de taxa

O modo rápido tem um limite de taxa dedicado que é separado dos limites de taxa padrão do Opus. Ao contrário da velocidade padrão, que tem limites separados para tokens de entrada ≤200K e >200K, o modo rápido usa um único limite de taxa que cobre o intervalo de contexto completo. Quando seu limite de taxa do modo rápido é excedido, a API retorna um erro 429 com um cabeçalho retry-after indicando quando a capacidade estará disponível.

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

Para limites de taxa específicos do nível, consulte a página de limites de taxa.

Verificando qual velocidade foi usada

O objeto usage da resposta inclui um campo speed que indica qual velocidade foi usada, seja "fast" ou "standard":

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": 1024,
        "speed": "fast",
        "messages": [{"role": "user", "content": "Hello"}]
    }'

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

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

Tentativas e fallback

Tentativas automáticas

Quando os limites de taxa do modo rápido são excedidos, a API retorna um erro 429 com um cabeçalho retry-after. Os SDKs do Anthropic tentam automaticamente essas solicitações até 2 vezes por padrão (configurável via max_retries), aguardando o atraso especificado pelo servidor antes de cada tentativa. Como o modo rápido usa reabastecimento contínuo de tokens, o atraso retry-after é tipicamente curto e as solicitações são bem-sucedidas assim que a capacidade está disponível.

Voltando para velocidade padrão

Se você preferir voltar para velocidade padrão em vez de esperar pela capacidade do modo rápido, capture o erro de limite de taxa e tente novamente sem speed: "fast". Defina max_retries para 0 na solicitação rápida inicial para pular tentativas automáticas e falhar imediatamente em erros de limite de taxa.

Como definir max_retries para 0 também desabilita tentativas para outros erros transitórios (sobrecarregado, erros internos do servidor), os exemplos abaixo reemitem a solicitação original com tentativas padrão para esses casos.

import anthropic

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,
)

Considerações

• Cache de prompt: Alternar entre velocidade rápida e padrão invalida o cache de prompt. Solicitações em velocidades diferentes não compartilham prefixos em cache.
• Modelos suportados: O modo rápido é atualmente suportado apenas no Opus 4.6. Enviar speed: "fast" com um modelo não suportado retorna um erro.
• TTFT: Os benefícios do modo rápido são focados em tokens de saída por segundo (OTPS), não em tempo até o primeiro token (TTFT).
• API em lote: O modo rápido não está disponível com a API em lote.
• Nível de prioridade: O modo rápido não está disponível com Nível de prioridade.

Próximas etapas