快速模式（研究预览版）

快速模式可使 Claude Opus 4.8 和 Claude Opus 4.7 的每秒输出令牌速度提升至高达 2.5 倍，但需支付额外费用。在您的请求中设置 speed: "fast" 并附带 fast-mode-2026-02-01 beta 标头即可启用。



支持的模型

快速模式支持以下模型：

• Claude Opus 4.8（claude-opus-4-8）
• Claude Opus 4.7（claude-opus-4-7）



快速模式的工作原理

快速模式使用更快的推理配置运行相同的模型。智能水平和功能没有任何变化。

• 与标准速度相比，每秒输出令牌速度提升至高达 2.5 倍
• 速度优势主要体现在每秒输出令牌数（"output tokens per second"，即 OTPS），而非首个令牌生成时间（"time to first token"，即 TTFT）
• 相同的模型权重和行为（并非不同的模型）
• 兼容流式传输，在流式传输中 OTPS 的提升最为明显



基本用法

client = anthropic.Anthropic()

response = client.beta.messages.create(
    model="claude-opus-4-8",
    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

快速模式的定价是在标准费率基础上按模型应用倍数，适用于整个上下文窗口，包括超过 20 万输入令牌的请求。下表显示了每个支持模型的快速模式定价：

快速模式定价可与其他定价调整项叠加：

• 提示缓存倍数在快速模式定价基础上叠加应用
• 数据驻留倍数在快速模式定价基础上叠加应用

有关完整的定价详情，请参阅定价页面。



速率限制

快速模式具有独立的速率限制，与标准 Opus 速率限制分开计算。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，指示何时有可用容量。

响应中包含指示快速模式速率限制状态的标头：

有关各层级的具体速率限制，请参阅速率限制页面。



检查使用了哪种速度

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"。在支持的模型上，快速模式不会在遇到速率限制或容量不足时静默回退到标准速度（您会收到 429 或 529 错误），因此当您在 Claude Opus 4.8 或 Claude Opus 4.7 上请求 speed: "fast" 时，usage.speed 为 "fast"。在 Claude Opus 4.6 上，由于快速模式不可用，带有 speed: "fast" 的请求会以标准速度运行并返回 usage.speed: "standard"。请检查此字段以确认请求使用了哪种速度。

client = anthropic.Anthropic()

response = client.beta.messages.create(
    model="claude-opus-4-8",
    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"
  }
}

要跟踪整个组织的快速模式使用情况和成本，请参阅使用量和成本 API。



重试和回退



自动重试

当超出快速模式速率限制时，API 会返回带有 retry-after 标头的 429 错误。Anthropic SDK 默认会自动重试这些请求最多 2 次（可通过 max_retries 配置），每次重试前会等待服务器指定的延迟时间。由于快速模式使用连续令牌补充机制，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

如果您希望回退到标准速度而不是等待快速模式容量恢复，可以捕获速率限制错误并在不带 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 也会禁用对其他瞬时错误（过载、内部服务器错误）的重试，以下示例会针对这些情况使用默认重试设置重新发出原始请求。

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).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-4-8",
    max_tokens=1024,
    messages=[{"role": "user", "content": "Hello"}],
    betas=["fast-mode-2026-02-01"],
    speed="fast",
    max_retries=0,
)



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： 快速模式支持 Claude Opus 4.8 和 Claude Opus 4.7（快速模式已弃用；将于 2026 年 7 月 24 日移除，模型本身不受影响）。在 Claude Opus 4.6 上，带有 speed: "fast" 的请求不会返回错误：它们会以标准速度运行并按标准费率计费。在任何其他模型上，发送 speed: "fast" 会返回错误。
• TTFT： 快速模式的优势主要体现在每秒输出令牌数（OTPS），而非首个令牌生成时间（TTFT）。
• 批处理 API： 快速模式不适用于批处理 API。
• 优先级层级： 快速模式不适用于优先级层级承诺。
• AWS 上的 Claude Platform： 快速模式目前不适用于 AWS 上的 Claude Platform。



后续步骤