快速模式（测试版：研究预览）

快速模式为 Claude Opus 4.6 提供显著更快的输出 token 生成速度。通过在 API 请求中设置 speed: "fast"，您可以从同一模型获得高达 2.5 倍的每秒输出 token 数，但需支付高级定价。

快速模式处于测试版（研究预览）阶段。加入候补名单以申请访问权限。在 Anthropic 收集反馈期间，可用性有限。

This feature is eligible for Zero Data Retention (ZDR). When your organization has a ZDR arrangement, data sent through this feature is not stored after the API response is returned.

支持的模型

快速模式支持以下模型：

Claude Opus 4.6 (claude-opus-4-6)

快速模式的工作原理

快速模式以更快的推理配置运行相同的模型。智能和能力不会发生变化。

与标准速度相比，每秒输出 token 数最高提升 2.5 倍
速度优势集中在每秒输出 token 数（OTPS），而非首 token 时间（TTFT）
相同的模型权重和行为（不是不同的模型）

基本用法

client = anthropic.Anthropic()

response = client.beta.messages.create(
    model="claude-opus-4-6",
    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)

定价

快速模式在整个上下文窗口（包括超过 200k 输入 token 的请求）按标准 Opus 费率的 6 倍计费。下表显示了 Claude Opus 4.6 快速模式的定价：

输入	输出
$30 / MTok	$150 / MTok

快速模式定价与其他定价修饰符叠加：

提示缓存乘数在快速模式定价基础上叠加
数据驻留乘数在快速模式定价基础上叠加

有关完整定价详情，请参阅定价页面。

速率限制

快速模式有专用速率限制，与标准 Opus 速率限制分开。当您的快速模式速率限制被超出时，API 会返回 429 错误，并附带 retry-after 标头，指示何时将有可用容量。

响应包含指示您快速模式速率限制状态的标头：

标头	描述
`anthropic-fast-input-tokens-limit`	每分钟最大快速模式输入 token 数
`anthropic-fast-input-tokens-remaining`	剩余快速模式输入 token 数
`anthropic-fast-input-tokens-reset`	快速模式输入 token 限制重置时间
`anthropic-fast-output-tokens-limit`	每分钟最大快速模式输出 token 数
`anthropic-fast-output-tokens-remaining`	剩余快速模式输出 token 数
`anthropic-fast-output-tokens-reset`	快速模式输出 token 限制重置时间

有关特定层级的速率限制，请参阅速率限制页面。

检查使用的速度

响应的 usage 对象包含一个 speed 字段，指示使用了哪种速度，值为 "fast" 或 "standard"：

Output

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

要跟踪整个组织的快速模式使用情况和费用，请参阅使用量和费用 API。

重试与回退

自动重试

当快速模式速率限制被超出时，API 会返回 429 错误，并附带 retry-after 标头。Anthropic SDK 默认自动重试这些请求最多 2 次（可通过 max_retries 配置），在每次重试前等待服务器指定的延迟时间。由于快速模式使用连续 token 补充，retry-after 延迟通常很短，一旦容量可用，请求即可成功。

回退到标准速度

如果您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使用 speed: "fast" 的情况下重试。在初始快速请求中将 max_retries 设置为 0，以跳过自动重试并在速率限制错误时立即失败。

从快速速度回退到标准速度将导致提示缓存未命中。不同速度的请求不共享缓存前缀。

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，以下示例会针对这些情况以默认重试重新发出原始请求。

注意事项

提示缓存： 在快速速度和标准速度之间切换会使提示缓存失效。不同速度的请求不共享缓存前缀。
支持的模型： 快速模式目前仅支持 Opus 4.6。对不支持的模型发送 speed: "fast" 会返回错误。
TTFT： 快速模式的优势集中在每秒输出 token 数（OTPS），而非首 token 时间（TTFT）。
批处理 API： 快速模式不适用于批处理 API。
优先级层： 快速模式不适用于优先级层。

后续步骤

定价

查看详细的快速模式定价信息。

速率限制

查看快速模式的速率限制层级。

努力参数

使用努力参数控制 token 使用量。

response = client.beta.messages.create(
    model="claude-opus-4-6",
    max_tokens=1024,
    speed="fast",
    betas=["fast-mode-2026-02-01"],
    messages=[{"role": "user", "content": "Hello"}],
)

print(response.usage.speed)  # "fast" or "standard"

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,
)