Claude Platform Docs
Messages模型能力

快速模式

在受支持的 Claude 模型上获得最高 2.5 倍的每秒输出令牌数。

用法因产品而异

Messages API
在请求中设置 speed: "fast"。
Managed Agents
在智能体的模型对象上设置 speed,例如 {"id": "claude-opus-5-5", "speed": "fast"}。

“Fast mode”(快速模式)以溢价定价提供最高 2.5 倍的每秒输出令牌数。在请求中设置 speed: "fast" 即可选择启用。快速模式可在 Claude Fable 5.2、Claude Mythos 5.2 和 Claude Opus 5.5 上使用。快速模式在 Claude Opus 5 上处于研究预览阶段,在 Claude Opus 4.8 上已弃用。

快速模式的工作原理

快速模式使用更快的推理配置运行同一模型。智能水平和能力不会发生任何变化。

  • 与标准速度相比,每秒输出令牌数最高可提升 2.5 倍
  • 速度优势集中在 “output tokens per second”(每秒输出令牌数),即 OTPS,而非 “time to first token”(首个令牌生成时间),即 TTFT
  • 与 “streaming”(流式传输)兼容,在流式传输中 OTPS 的提升最为明显

基本用法

快速模式仅适用于受支持的模型。有关详细信息(包括哪些模型需要 beta 标头),请参阅可用性。

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)

在 Microsoft Foundry 中的 Claude 上,快速模式有自己的模型 ID,速度由部署决定。请将快速模式请求发送到快速模式模型的部署,并省略 speed:

模型快速模式模型 ID
Claude Fable 5.2claude-fable-5-2-fast
Claude Mythos 5.2claude-mythos-5-2-fast
Claude Opus 5.5claude-opus-5-5-fast

在标准模型(例如 claude-opus-5-5)的部署上设置 speed 的请求会返回错误。

速率限制

快速模式具有专用的 “rate limit”(速率限制),与标准速率限制相互独立。当超出快速模式速率限制时,API 会返回 429 错误,并附带 retry-after 标头,指示何时会有可用容量。在 Claude Models on Google Cloud (Google managed) 上,速率限制和配额由 Google Cloud 管理。

Claude Fable 5.2、Claude Mythos 5.2 和 Claude Opus 5.5 具有默认的快速模式速率限制。该默认限制适用于 Start、Build 和 Scale 使用层级。您无需为这些模型申请快速模式访问权限。处于评估层级的组织在升级到 Start、Build 或 Scale 层级后,即可在这些模型上使用快速模式。

响应中包含指示快速模式速率限制状态的标头:

标头描述
anthropic-fast-input-tokens-limit每分钟快速模式输入令牌的最大数量
anthropic-fast-input-tokens-remaining剩余的快速模式输入令牌数
anthropic-fast-input-tokens-reset快速模式输入令牌限制的重置时间
anthropic-fast-output-tokens-limit每分钟快速模式输出令牌的最大数量
anthropic-fast-output-tokens-remaining剩余的快速模式输出令牌数
anthropic-fast-output-tokens-reset快速模式输出令牌限制的重置时间

要查看您的快速模式速率限制,请前往 Claude Console 中的速率限制页面。

检查所使用的速度

响应的 usage 对象包含一个 speed 字段,用于指示所使用的速度,值为 "fast" 或 "standard"。在不支持快速模式的模型上请求 speed: "fast" 会返回错误,超出快速模式的速率限制或容量时同样会返回错误(429 或 529)。当带有 speed: "fast" 的请求成功时,usage.speed 为 "fast"。Claude Opus 4.6 是一个例外:带有 speed: "fast" 和 fast-mode-2026-02-01 beta 标头的请求不会返回错误,而是会成功,但以标准速度运行。在这种情况下,usage.speed 显示为 "standard"。在 Claude Models on Google Cloud (Anthropic managed) 上,即使带有该标头,带有 speed: "fast" 的 Claude Opus 4.6 请求也会返回 400 错误。

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"
  }
}

要跟踪整个组织的快速模式使用情况和成本,请参阅用量和成本分析 API。

重试和回退

自动重试

默认情况下,SDK 会自动重试快速模式的 429 错误最多 2 次(可通过 max_retries 进行配置),每次重试前都会等待 retry-after 标头中指定的延迟时间。由于快速模式采用持续的令牌补充机制,retry-after 延迟通常很短,一旦有可用容量,请求即可成功。

回退到标准速度

如果您更希望回退到标准速度而不是等待快速模式容量,请捕获速率限制错误,并在不带 speed: "fast" 的情况下重试。在 Microsoft Foundry 中的 Claude 上,速度由部署决定,因此请改为在标准模型的部署上重试。在初始快速请求上将 max_retries 设置为 0,即可跳过自动重试,并在遇到速率限制错误时立即失败。

由于将 max_retries 设置为 0 也会禁用其他瞬态错误(过载、内部服务器错误)的重试,因此以下示例会在遇到这些错误后重新发送请求。

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,
)

注意事项

  • Batch API: 快速模式不适用于 Batch API。
  • Priority Tier: 快速模式不适用于 Priority Tier 承诺。

定价

快速模式在整个 “context window”(上下文窗口)范围内按标准费率的倍数定价,包括输入令牌超过 200k 的请求。在 Claude Models on Google Cloud (Google managed) 上,快速模式价格由 Google Cloud 设定。请参阅云平台定价。

模型输入输出
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

快速模式定价可与其他定价调整因素叠加:

有关完整的定价详情,请参阅定价页面。

可用性

快速模式仅在以下模型上可用。如果您之前在较早的模型上使用快速模式,请迁移到支持快速模式的模型。

要在 Claude Opus 5 上使用快速模式,请联系您的客户经理或加入候补名单。

快速模式
API
  • Messages API
  • Managed Agents仅限 Claude Opus 5.5、Claude Opus 5、Claude Opus 4.8
模型
  • Claude Fable 5.2
  • Claude Mythos 5.2
  • Claude Opus 5.5
  • Claude Opus 5 研究预览, 需要
  • Claude Opus 4.8 已弃用, 需要

移除日期:2026 年 11 月 30 日。移除后,向 claude-opus-4-8 发送的带有 speed: "fast" 的请求将返回错误。如需继续使用快速模式,请迁移到 Claude Opus 5.5。请参阅从 Claude Opus 4.8 迁移到 Claude Opus 5.5。

适用的端点

  • /v1/messages 使用 speed: "fast"
零数据保留具备资格

不包括 涵盖的模型

使用相同的 Messages API 端点,推理速度更快。无论速度设置如何,ZDR 均适用。

HIPAA具备资格

后续步骤

从智能体工作流中获取经过验证的 JSON 结果。

了解 Anthropic 针对模型和功能的定价结构。

使用 effort 参数控制 Claude 在响应时使用的令牌数量,在响应的详尽程度与令牌效率之间进行权衡。

使用服务器发送事件以增量方式流式传输 Messages API 响应,包括文本、工具使用和扩展思考的增量内容。

此页面对您有帮助吗?