一、快和多，过去是一道选择题
模型发布会比的已经不只是分数。
还有一件更朴素的事，手速。
这两件事过去是矛盾的。
想快，就得把模型做小，或者砍掉推理步骤。
图注：官方账号 @ClaudeDevs 的推文，开头是 fast mode is no longer in research preview。
现在有人想撕掉这道题。
图注：一位开发者的回复，说把快速模式设成默认意义重大，智能体循环里 p95 延迟比别的指标都重要。
聊天场景里，人愿意等两秒。
智能体场景要来回几十轮。
每一轮都等两秒，账就完全不一样了。
整轮跑完的时间才最要紧。
账很实在。
AI对话 场景把这一点掩盖了很久。
Claude 这次解禁的正是节奏。
Opus 5.5 的极速模式结束预览，名单全部取消。
官方给的数字是每秒输出词元提到 2.5 倍。
说的是输出速度，不是首字速度。
二、极速不等于缩水
权重和智力水平与标准版一致。
变化的只是推理配置。
资源被重新分配到响应上。
它不是一个小一号的模型。
不是缩水。
它只是把同一辆车挂上运动挡。
目前支持三个型号，Opus 5.5，Opus 5，Opus 4.8。
更早的 4.7 极速版今年六月已停掉。
这对做 AI编程 的人是件好事。
改完代码就顺手跑一遍测试。
图注：文档里这一节叫 How fast mode works，明确写模型本体不变，只是推理配置不同，每秒输出词元最多 2.5 倍。
三、开一只开关就够了
用的方法简单得有点过分。
接口请求里加一行参数，speed 后面写 fast。
就这一行，别的都不用改。
真的就一行。
如果用的是 Claude Code，命令行里敲 /fast 就能切。
我关注的不是这一行代码，是它背后的取舍。
把速度做成开关，等于把选择权交回给调用方。
对团队来说，难的不是开开关。
是让所有人知道开关开了。
这也是后面那套企业管控存在的原因。
图注：价格表，标题是 Pricing，极速模式按标准价的倍数计费，能看到 $10 与 MTok 两个每百万词元档位。
最新的型号反而最便宜，这在算力生意里少见。
图注：限流说明，极速模式有独立的速率池，打满会返回 429 与 retry-after，不会把标准通道一起拖死。
打满之后不是报错卡死，而是平滑退回标准速度。
冷却结束再自动恢复，体感上更像降挡而不是熄火。
对把模型接进自家 AI工具 的团队来说，这条比速度更实用。
夜里跑批处理的人会懂，回落比中断体面。
图注：注意事项一节，头两条就是切换速度会让提示词缓存失效，以及仅支持 Opus 5.5，Opus 5，Opus 4.8。
缓存这一条最容易被忽略。
极速档和标准档不共享缓存前缀，中途切档等于让模型重读一遍输入。
图注：控制台截图，查花费要先在 Usage and Cost 里按 Speed 分组，才能把极速模式的钱单独拎出来。
钱花在哪，这次分得很细。
个人订阅用户走的是额外的使用额度，不进常规订阅限额。
企业用户从组织额度里扣，管理员在后台看总账。
接口客户按 Speed 分组筛一下，就能单独看到极速档的开销。
官方的建议是会话一开始就开极速。
这笔无缓存的输入费用一次对话只收一次。
还有一条容易踩的，评估期的免费账户用不了极速模式。
必须先充值，再谈速度。
这条最容易卡人。
这件事看着小，实际会卡住第一次试用的人。
有同事拿着免费账户试了两小时，一直以为是参数写错了。
后来才发现是账户根本没开权限。
开放的方式也算干脆。
不用发邮件，不用填表，参数加上就生效。
云端方面，微软的托管平台已经上线，谷歌云在路上。
亚马逊那套云服务暂时还不支持。
如果你主战场在那边，这次可以先观望。
命令行里按空格切换，回车确认，终端会亮一个闪电图标。
企业管理员还能按会话管控，这一点放在下一节说。
图注：命令行里的会话界面，启动信息里写着 Claude Code 与 v2.1.37。
开启之后，终端会提示 Fast mode ON。
提示词旁边多出一个闪电图标。
就一个图标。
任务还在思考的时候敲一下开关，当前这轮照常跑完，下一轮才起飞。
图注：切换模型的菜单，当前会话锁在 Opus 5.5，旁边就是 Fast mode 开关。
版本上有一个细节值得记。
命令行工具从 v2.1.280 起，极速模式默认挂在 Opus 5.5 上。
也可以直接在用户配置里写死开关状态。
切换逻辑做得比较克制。
切到不支持极速的型号，它会自己关掉。
切回旗舰型号，只要偏好还留着，闪电图标会重新点亮。
云端的临时会话只对当次有效，关掉就没了。
这种细颗粒度的控制，恰好是团队最需要的东西。
企业侧还有一套防烧钱的方案。
管理员可以让极速模式按会话开启。
这样一来，每次新开会话默认都是关的。
员工得手动敲一下开关，才能用上那 2.5 倍。
这一条能挡住同时开十几个终端的用法。
对管理者来说，默认关闭比默认开启更省心。
默认开启的代价是账单，默认关闭的代价只是一次点击。
这道选择题其实没什么好犹豫的。
麻烦的是例外，比如某个做压测的小组，确实需要长时间满速。
这种时候可以单独开白名单，而不是把整个组织放开。
我见过最贵的事故，往往不是模型出错。
是没人知道它在跑。
速率上限依然是独立的池子。
请求太猛就退回标准速度，闪电变灰，进入冷却。
冷却时间一过，自动回到 2.5 倍。
额度在会话中途花光，也会降到标准速度继续跑完。
终端会提示额度耗尽，不至于让一晚上的活白干。
这几条加在一起，才是企业敢放开权限的理由。
速度能提，钱得能看见，账单得能拆开看。
图注：产品经理 @lydiahallie 的推文，说空闲压缩会在缓存过期前一小时把长会话压成摘要。
顺带说一个更省钱的功能，名字叫空闲压缩。
二十万词元的长会话放一下午，缓存过期，回头写一行代码都要重读一遍输入。
这个功能会在缓存失效前把对话压成摘要。
回来接着干，只需要读摘要就能接上思路。
触发条件有四个。
终端会话用一小时缓存，上下文到二十万词元。
电脑保持唤醒，连续闲置约五十四分钟。
五十四分钟这个数字不是随便定的，它卡在一小时缓存失效之前。
省下的钱是真金白银。
账单会说话。
一次二十万词元的重读，账单上就是几美元。
代码写得越碎，这笔钱花得越快。
代价也是真的。
有开发者在代码托管平台上抱怨，一夜之间七个长会话被压缩，几处底层决策的细节被忘掉了。
图注：同一条推文的续文，说清代价是上下文变成摘要。想关掉就在配置里写 idleCompaction false。
官方随后加了关闭开关，门槛也能自己调。
这个反应速度值得点一句。
很实在。
真正麻烦的地方不在压缩本身。
在于压缩之后模型不知道自己忘了什么。
摘要能接上话题，接不住的是三个月前那次争论的细节。
所以对做长期项目的人来说，这个开关默认值得关掉。
至少要在动大手术之前先把门槛调高。
工具的成熟，很多时候不是靠加功能。
是靠把开关交出来。
最后是一点风声。
听听就好。
传闻新一代旗舰已经进入早期访问，向部分公司开了灰度。
圈内的解读是时间点卡得刚好，赶在上市之前造势。
也有人提醒，新旗舰得真的足够好，才对得起它消耗的额度。
按传闻的说法，它跑一轮长任务的成本可能是现在的好几倍。
这就带来一个新的取舍，能力更强的模型未必更划算。
大部分日常任务，用 2.5 倍的旧旗舰反而更经济。
一个反例是，如果它只在少数长任务上占优，普通订阅用户反而更难摸到。
敢开这个档位的。
多半是愿意为每百万词元付五十美元以上的团队。
回到今天这件事，2.5 倍的 Opus 5.5 极速版已经摆在台面上。
对每天要跑几十轮任务的人来说。
这是一个可以立刻用上的提速。
对偶尔聊两句的人来说，它没有意义。
真的没有。
工具的进步往往就是这样，先服务最着急的那批人。
至于值不值，得看你的账单长什么样。
Claude Code会员中转站 微信:douhanq
