Fast Mode

Der „Fast mode“ (Schnellmodus) liefert bis zu 2,5-mal mehr Output-Token pro Sekunde von Claude Opus 5.5, Claude Opus 5 und Claude Opus 4.8 zu Premium-Preisen. Setze speed: "fast" in deiner Anfrage, um ihn zu aktivieren.

Unterstützte Modelle und Plattformen

Fast Mode wird auf den folgenden Modellen und Plattformen unterstützt:

Wenn du Fast Mode mit einem früheren Modell verwendet hast, migriere zu einem Modell, das Fast Mode unterstützt.

Fast Mode ist nicht verfügbar für Claude in Microsoft Foundry-Deployments, die auf Anthropic gehostet werden.

So funktioniert Fast Mode

Fast Mode führt dasselbe Modell mit einer schnelleren Inferenzkonfiguration aus. Es gibt keine Änderung an Intelligenz oder Fähigkeiten.

• Bis zu 2,5-mal mehr Output-Token pro Sekunde im Vergleich zur Standardgeschwindigkeit
• Die Geschwindigkeitsvorteile konzentrieren sich auf „output tokens per second“ (Output-Token pro Sekunde), oder OTPS, nicht auf „time to first token“ (Zeit bis zum ersten Token), oder TTFT
• Dieselben Modellgewichte und dasselbe Verhalten (kein anderes Modell)
• Kompatibel mit Streaming, wo der OTPS-Gewinn am deutlichsten sichtbar ist

Grundlegende Verwendung

Modelle in der Research Preview benötigen außerdem den Beta-Header fast-mode-2026-02-01.

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)

Preise

Fast Mode wird mit einem Multiplikator auf die Standardtarife über das gesamte Kontextfenster hinweg berechnet, einschließlich Anfragen mit mehr als 200k Input-Token. Die folgende Tabelle zeigt die Fast-Mode-Preise für die unterstützten Modelle:

Die Fast-Mode-Preise werden mit anderen Preismodifikatoren kombiniert:

• Prompt-Caching-Multiplikatoren gelten zusätzlich zu den Fast-Mode-Preisen
• Data-Residency-Multiplikatoren gelten zusätzlich zu den Fast-Mode-Preisen

Vollständige Preisdetails findest du auf der Seite Preise.

Ratenlimits

Fast Mode hat ein eigenes „rate limit“ (Ratenlimit), das von den Standard-Ratenlimits für Opus getrennt ist. Wenn dein Fast-Mode-Ratenlimit überschritten wird, gibt die API einen 429-Fehler mit einem retry-after-Header zurück, der angibt, wann wieder Kapazität verfügbar sein wird.

Claude Opus 5.5 hat in den Nutzungsstufen Start, Build und Scale ein Standard-Ratenlimit für Fast Mode, sodass du keinen Zugriff anfordern musst, um Fast Mode damit zu nutzen. Organisationen in der Evaluation-Stufe können Fast Mode mit Claude Opus 5.5 nutzen, sobald sie in die Stufe Start, Build oder Scale wechseln.

Die Antwort enthält Header, die den Status deines Fast-Mode-Ratenlimits angeben:

Um deine Fast-Mode-Ratenlimits einzusehen, gehe zur Seite Ratenlimits in der Claude Console.

Prüfen, welche Geschwindigkeit verwendet wurde

Das usage-Objekt der Antwort enthält ein speed-Feld, das angibt, welche Geschwindigkeit verwendet wurde, entweder "fast" oder "standard". Das Anfordern von speed: "fast" auf einem Modell, das Fast Mode nicht unterstützt, gibt einen Fehler zurück, ebenso wie das Überschreiten der Ratenlimits oder der Kapazität des Fast Mode (ein 429 oder 529). Wenn eine Anfrage mit speed: "fast" erfolgreich ist, ist usage.speed gleich "fast". Claude Opus 4.6 ist eine Ausnahme: Anstatt einen Fehler zurückzugeben, ist eine Anfrage mit speed: "fast" und dem Beta-Header fast-mode-2026-02-01 erfolgreich, wird aber mit Standardgeschwindigkeit ausgeführt. Dieses Verhalten wird korrekt in usage.speed wiedergegeben, das in dieser Situation "standard" anzeigt.

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"

{
  "id": "msg_01XFDUDYJgAACzvnptvVoYEL",
  "type": "message",
  "role": "assistant",
// ...
  "usage": {
    "input_tokens": 8,
    "output_tokens": 12,
    "speed": "fast"
  }
}

Um die Nutzung und Kosten von Fast Mode in deiner gesamten Organisation zu verfolgen, siehe die Usage and Cost API.

Wiederholungsversuche und Fallback

Automatische Wiederholungsversuche

Wenn die Fast-Mode-Ratenlimits überschritten werden, gibt die API einen 429-Fehler mit einem retry-after-Header zurück. Das SDK wiederholt diese Anfragen standardmäßig automatisch bis zu 2 Mal (konfigurierbar mit max_retries) und wartet vor jedem Wiederholungsversuch die vom Server angegebene Verzögerung ab. Da Fast Mode eine kontinuierliche Token-Auffüllung verwendet, ist die retry-after-Verzögerung in der Regel kurz, und Anfragen sind erfolgreich, sobald Kapazität verfügbar ist.

Zurückfallen auf Standardgeschwindigkeit

Wenn du lieber auf die Standardgeschwindigkeit zurückfallen möchtest, anstatt auf Fast-Mode-Kapazität zu warten, fange den Ratenlimit-Fehler ab und wiederhole die Anfrage ohne speed: "fast". Setze max_retries bei der ersten schnellen Anfrage auf 0, um automatische Wiederholungsversuche zu überspringen und bei Ratenlimit-Fehlern sofort fehlzuschlagen.

Da das Setzen von max_retries auf 0 auch Wiederholungsversuche für andere vorübergehende Fehler (Überlastung, interne Serverfehler) deaktiviert, senden die folgenden Beispiele die ursprüngliche Anfrage in diesen Fällen mit den Standard-Wiederholungsversuchen erneut.

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,
)

Hinweise

• Prompt-Caching: Der Wechsel zwischen schneller und Standardgeschwindigkeit macht den Prompt-Cache ungültig. Anfragen mit unterschiedlichen Geschwindigkeiten teilen keine zwischengespeicherten Präfixe.
• TTFT: Die Vorteile des Fast Mode konzentrieren sich auf Output-Token pro Sekunde (OTPS), nicht auf die Zeit bis zum ersten Token (TTFT).
• Batch API: Fast Mode ist mit der Batch API nicht verfügbar.
• Priority Tier: Fast Mode ist mit einer Priority Tier-Verpflichtung nicht verfügbar.
• Claude Platform on AWS: Fast Mode ist derzeit nicht auf Claude Platform on AWS verfügbar.

Nächste Schritte