اگر برای اجرای مدل‌های استدلالی سنگین در ابزارهای کدنویسی منتظر می‌مانید، حالا می‌توانید با پرداخت هزینه‌ای دوبرابر، زمان انتظار را به شدت کاهش دهید. در ۱۵ اکتبر ۲۰۲۶، شرکت آنتروپیک (Anthropic) رسماً حالت Fast را برای مدل Claude Opus 5.5 از مرحله پیش‌نمایش خارج کرد و دسترسی به آن را برای تمامی سطوح کاربری آزاد کرد.
این تغییر در حالی رخ می‌دهد که توسعه‌دهندگان به‌طور گسترده در حال ادغام مدل‌های استدلالی در جریان‌های کاری عامل‌محور (Agentic) هستند؛ جایی که تأخیر یا همان لَتِنس (Latency) — شبیه به تپق زدن یک سخنران که بین جملاتش مکث‌های طولانی می‌کند — اصلی‌ترین گلوگاه است. برای کسانی که ابزارهای پیچیده کدنویسی یا تولیدکننده‌های محتوای طولانی می‌سازند، معامله ساده است: پول بیشتر در برابر انتظار کمتر. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی بهینه‌سازی هزینه‌های استنتاج اشاره کردیم، این یک تبادل کلاسیک «پول در برابر سرعت» است که دقیقاً روی نقاط اصطکاک کاربر هدف‌گذاری شده است. این رویکرد در تضاد با استراتژی قبلی شرکت است که در آن کلاود اپوس ۵.۵ هزینه استنتاج را در بارهای کاری رایج ۴۰٪ کاهش داده بود تا دسترسی به مدل‌های قدرتمند ارزان‌تر شود.
هزینه سرعت
به نقل از یادداشت‌های رسمی انتشار، بهبود عملکرد صرفاً روی تعداد توکن در ثانیه (Tokens per second) متمرکز است و تأثیری روی زمان تا نخستین توکن (TTFT) ندارد. این یعنی مدل سریع‌تر فکر نمی‌کند، اما جواب را سریع‌تر می‌نویسد. مستندات شرکت وعده «تا ۲.۵ برابر افزایش سرعت تولید توکن» را داده‌اند.
این افزایش سرعت در حالت استریم (Streaming) کاملاً مشهود است. درخواستی که یک تغییر کد (Diff) طولانی یا بازسازی چندفایلی را انجام می‌دهد، بیشتر وقت خود را صرف تولید توکن می‌کند، بنابراین سرعت بالاتر، زمان انتظار را کم می‌کند. در مقابل، یک درخواست طبقه‌بندی کوتاه که تنها ۱۰ توکن برمی‌گرداند، بیشتر وقتش را صرف پردازش اولیه می‌کند و حالت Fast در این بخش تأثیری ندارد.
ساختار قیمت‌گذاری برای این سرعت، یک ضریب ۲ برابری روی نرخ‌های استاندارد است که برای کل پنجره زمینه (Context Window) — شبیه به میز کاری که مدل برای پردازش اطلاعات در لحظه در اختیار دارد — اعمال می‌شود. نرخ‌ها به شرح زیر است:
- توکن‌های ورودی: ۸ دلار به‌ازای هر میلیون (استاندارد: ۴ دلار)
- توکن‌های خروجی: ۴۰ دلار به‌ازای هر میلیون (استاندارد: ۲۰ دلار)
- موردهای کش (Cache Hits): ۰.۴۰ دلار به‌ازای هر میلیون (استاندارد: ۰.۲۰ دلار)
باید توجه داشت که ضرایب کش کردن پرامپت (Prompt Caching) روی قیمت‌های حالت Fast اعمال می‌شوند. مبلغ مربوط به Cache Hit را می‌توان ۰.۰۵ برابر قیمت ورودی حالت Fast محاسبه کرد.
پیاده‌سازی فنی و دسترسی
بر اساس مستندات، سه تغییر کلیدی در ۱۵ اکتبر رخ داد. اول، درخواست‌ها به Opus 5.5 دیگر نیازی به هدر بتای fast-mode-2026-02-01 ندارند. دوم، هر سطح کاربری اکنون یک سقف نرخ (Rate Limit) پیش‌فرض برای حالت Fast دارد. سوم، این قابلیت در Microsoft Foundry برای استقرارهای میزبانی‌شده در Azure فعال شد.
نکته مهم این است که حالت Fast برای مدل‌های Claude Opus 5 و Opus 4.8 همچنان در مرحله پیش‌نمایش است و به هدر بتا نیاز دارد. این به‌روزرسانی در ادامه تلاش‌های آنتروپیک برای بهینه‌سازی مدل‌های خود است، همان‌طور که پیش‌تر بررسی کردیم که چرا Anthropic در Opus 5.5 بر توازن ایمنی و قابلیت‌ها تأکید کرد تا عملکرد مدل در محیط‌های حساس حفظ شود.
برای فعال‌سازی، کاربران باید فیلد "speed": "fast" را به درخواست API خود اضافه کنند. یک نمونه درخواست curl به این شکل است:
curl https://api.anthropic.com/v1/messages \ -H "x-api-key: $ANTHROPIC_API_KEY" \ -H "anthropic-version: 2023-06-01" \ -H "content-type: application/json" \ -d '{ "model": "claude-opus-5-5", "max_tokens": 1024, "speed": "fast", "messages": [{"role": "user", "content": "Hello"}] }'
شیء پاسخ شامل فیلد usage.speed است که به توسعه‌دهنده اجازه می‌دهد در لحظه بررسی کند کدام نرخ هزینه برای او محاسبه شده است.
تله ابطال حافظه موقت
یک هزینه پنهان وجود دارد که می‌تواند از افزایش ۲ برابری قیمت هم بیشتر باشد: تغییر سرعت باعث ابطال کش پرامپت می‌شود. چون درخواست‌ها با سرعت‌های مختلف، پیشوندهای کش‌شده مشترکی ندارند، یک مکالمه طولانی که با سرعت استاندارد کش شده، در لحظه تغییر به حالت Fast، کل تاریخچه را با نرخ گران‌تر دوباره می‌خواند.
مکانیسم کش در Claude Code
ابزار Claude Code این موضوع را متفاوت مدیریت می‌کند. فعال کردن حالت Fast یک هدر به درخواست اضافه می‌کند که بخشی از کلید کش است. این یعنی:
- اولین درخواست Fast، کل تاریخچه را بدون Cache Hit می‌خواند.
- درخواست‌های بعدی هدر را حفظ کرده و فقط تنظیمات سرعت را تغییر می‌دهند.
- خاموش و روشن کردن مجدد حالت Fast، کش را حفظ می‌کند چون هدر ثابت می‌ماند.
ریاضیات تغییر سرعت
یک مکالمه ۱۵۰ هزار توکنی در Claude Code را تصور کنید. فعال کردن حالت Fast در اواخر جلسه، باعث می‌شود آن ۱۵۰ هزار توکن با نرخ ۸ دلاری محاسبه شوند که ۱.۲۰ دلار هزینه دارد. اگر این پیشوند در یک کش ۵ دقیقه‌ای ذخیره شود، ضریب ۱.۲۵ برابر برای نوشتن کش، هزینه را به ۱.۵۰ دلار می‌رساند. در مقابل، همین درخواست با سرعت استاندارد و کش گرم، تنها ۰.۰۳ دلار هزینه دارد. به همین دلیل Claude Code توصیه می‌کند حالت Fast را از ابتدای جلسه فعال کنید.
محدودیت‌های نرخ و جایگزین‌ها
حالت Fast روی یک استخر محدودیت نرخ مجزا از Opus استاندارد کار می‌کند. اگر از این حد بگذرید، API خطای ۴۲۹ برمی‌گرداند و به‌طور خودکار به سرعت استاندارد برنمی‌گردد. شش هدر پاسخ، این استخر را ردیابی می‌کنند.
در حالی که SDKها به‌طور پیش‌فرض ۲ بار تلاش مجدد می‌کنند، Claude Code رفتار متفاوتی دارد: هنگام برخورد با محدودیت Fast، به سرعت و قیمت استاندارد برمی‌گردد و پس از پایان دوره خنک‌شدن (Cooldown)، دوباره حالت Fast را فعال می‌کند.
توسعه‌دهندگان SDK تایپ‌اسکریپت می‌توانند جایگزین دستی را پیاده کنند:
import Anthropic from "@anthropic-ai/sdk";
const client = new Anthropic();
const base = {
model: "claude-opus-5-5",
max_tokens: 1024,
messages: [{ role: "user" as const, content: "Hello" }],
};
async function ask() {
try {
return await client.messages.create({ ...base, speed: "fast" }, { maxRetries: 0 });
} catch (e) {
if (e instanceof Anthropic.RateLimitError) {
return client.messages.create(base);
}
throw e;
}
}
تنظیم maxRetries: 0 باعث حذف تلاش‌های خودکار برای خطاهای سرور می‌شود و درخواست جایگزین نیز یک کش جدید را شروع می‌کند.
شکاف‌های دسترسی
با وجود انتشار عمومی، برخی پلتفرم‌ها هنوز پشتیبانی نمی‌شوند. حالت Fast در حال حاضر در موارد زیر در دسترس نیست:
- Amazon Bedrock
- Claude Platform on AWS
- Google Cloud
- Batch API
- تعهدات Priority Tier
در Microsoft Foundry، این قابلیت فقط برای استقرارهای Azure فعال است. برای کاربران طرح‌های Pro, Max, Team یا Enterprise در Claude Code، دستور /fast فقط از طریق اعتبارات مصرفی (Usage Credits) محاسبه می‌شود و جزو محدودیت‌های اشتراک نیست. حساب‌های تیمی و سازمانی نیاز دارند که ابتدا توسط مالک (Owner) فعال شوند.
این به‌روزرسانی محاسبات عملیاتی برای هوش مصنوعی در محیط تولید را تغییر می‌دهد. آنتروپیک با جداسازی سرعت خروجی از مدل پایه، به توسعه‌دهندگان اجازه می‌دهد فقط برای کارهایی که حجم خروجی بالا و صبر کاربر کم است — مثل بازسازی‌های چندفایلی — هزینه عملکرد را بپردازند.
اگر مکالمات با توکن بالا را مدیریت می‌کنید، اولویت اول شما باید بازبینی منطق شروع جلسه برای جلوگیری از جریمه پاک‌شدن کش باشد. منتظر به‌روزرسانی‌های آینده باشید تا ببینیم آیا این مدل قیمت‌گذاری به خانواده کوچک‌تر و سریع‌تر Claude 3.5 هم سرایت می‌کند یا خیر.
گام بعدی شما
- اگر از API استفاده می‌کنید، منطق فعال‌سازی حالت Fast را به ابتدای Session منتقل کنید تا هزینه بازخوانی کل تاریخچه (Cache Wipe) را نپردازید.
- در ابزارهای کدنویسی، حالت Fast را فقط برای تسک‌های تولید کد طولانی فعال کنید و برای سوالات کوتاه از حالت Standard استفاده کنید.
- اگر در محیط Azure هستید، دسترسی خود را در Microsoft Foundry بررسی کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو