Быстрый режим (исследовательская предварительная версия)

«Fast mode» (быстрый режим) обеспечивает до 2,5 раза больше выходных токенов в секунду для Claude Opus 5.5, Claude Opus 5 и Claude Opus 4.8 по премиальным ценам. Чтобы включить его, укажите в запросе speed: "fast" вместе с «beta header» (бета-заголовком) fast-mode-2026-02-01.

Поддерживаемые модели

Быстрый режим поддерживается на следующих моделях:

• Claude Opus 5.5 (claude-opus-5-5)
• Claude Opus 5 (claude-opus-5)
• Claude Opus 4.8 (claude-opus-4-8)

Как работает быстрый режим

Быстрый режим запускает ту же модель с более быстрой конфигурацией инференса. Интеллект и возможности не меняются.

• До 2,5 раз больше выходных токенов в секунду по сравнению со стандартной скоростью
• Преимущества в скорости сосредоточены на «output tokens per second» (выходных токенах в секунду), или OTPS, а не на «time to first token» (времени до первого токена), или TTFT
• Те же веса и поведение модели (это не другая модель)
• Совместим с потоковой передачей (streaming), где прирост OTPS наиболее заметен

Базовое использование

client = anthropic.Anthropic()

response = client.beta.messages.create(
    model="claude-opus-5-5",
    max_tokens=4096,
    speed="fast",
    betas=["fast-mode-2026-02-01"],
    messages=[
        {"role": "user", "content": "Refactor this module to use dependency injection"}
    ],
)

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

Цены

Цена быстрого режима определяется множителем к стандартным ставкам для всего контекстного окна (context window), включая запросы свыше 200 тыс. входных токенов. В следующей таблице приведены цены быстрого режима для поддерживаемых моделей:

Цены быстрого режима суммируются с другими ценовыми модификаторами:

• Множители кэширования подсказок применяются поверх цен быстрого режима
• Множители резидентности данных применяются поверх цен быстрого режима

Полную информацию о ценах см. на странице Цены.

Ограничения скорости

Быстрый режим имеет выделенное ограничение скорости (rate limit), отдельное от стандартных ограничений скорости Opus. Когда ваше ограничение скорости быстрого режима превышено, API возвращает ошибку 429 с заголовком retry-after, указывающим, когда ёмкость станет доступна.

Ответ включает заголовки, указывающие состояние вашего ограничения скорости быстрого режима:

Ограничения скорости для конкретных уровней см. на странице Ограничения скорости.

Проверка использованной скорости

Объект usage в ответе включает поле speed, указывающее, какая скорость была использована: "fast" или "standard". Запрос speed: "fast" к модели, не поддерживающей быстрый режим, возвращает ошибку, как и превышение ограничений скорости или ёмкости быстрого режима (429 или 529). Когда запрос с speed: "fast" выполняется успешно, usage.speed равно "fast". Если вы используете Claude Opus 4.6 и запрашиваете быстрый режим, его поведение уникально. Вместо возврата ошибки, как у других моделей, не поддерживающих быстрый режим, он незаметно переключается на стандартную скорость. Хотя с Opus 4.6 ошибки нет, поле speed точно показывает "standard".

client = anthropic.Anthropic()

response = client.beta.messages.create(
    model="claude-opus-5-5",
    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"
  }
}

Чтобы отслеживать использование и затраты быстрого режима в вашей организации, см. API использования и затрат.

Повторные попытки и резервный вариант

Автоматические повторные попытки

При превышении ограничений скорости быстрого режима API возвращает ошибку 429 с заголовком retry-after. SDK Anthropic по умолчанию автоматически повторяют такие запросы до 2 раз (настраивается с помощью max_retries), ожидая перед каждой повторной попыткой задержку, указанную сервером. Поскольку быстрый режим использует непрерывное пополнение токенов, задержка retry-after обычно невелика, и запросы выполняются успешно, как только ёмкость становится доступной.

Переключение на стандартную скорость

Если вы предпочитаете переключиться на стандартную скорость, а не ждать освобождения ёмкости быстрого режима, перехватите ошибку ограничения скорости и повторите запрос без speed: "fast". Установите max_retries в 0 для первоначального быстрого запроса, чтобы пропустить автоматические повторные попытки и сразу получить ошибку при превышении ограничения скорости.

Поскольку установка max_retries в 0 также отключает повторные попытки для других временных ошибок (перегрузка, внутренние ошибки сервера), в следующих примерах для таких случаев исходный запрос отправляется повторно с повторными попытками по умолчанию.

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-5-5",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Hello"}],
    betas=["fast-mode-2026-02-01"],
    speed="fast",
    max_retries=0,
)

Что следует учитывать

• Кэширование подсказок: переключение между быстрой и стандартной скоростью делает кэш подсказок недействительным. Запросы с разной скоростью не используют общие кэшированные префиксы.
• Поддерживаемые модели: быстрый режим поддерживается моделями Claude Opus 5.5, Claude Opus 5 и Claude Opus 4.8. См. Поддерживаемые модели.
• TTFT: преимущества быстрого режима касаются выходных токенов в секунду (OTPS), а не времени до первого токена (TTFT).
• Batch API: быстрый режим недоступен при использовании Batch API.
• Priority Tier: быстрый режим недоступен при наличии обязательства Priority Tier.
• Claude Platform on AWS: быстрый режим в настоящее время недоступен в Claude Platform on AWS.

Следующие шаги