Claude Opus 5.5 Fast Mode chính thức thoát khỏi giai đoạn xem trước: Bảng giá gấp đôi mang lại cho bạn những gì

Chế độ nhanh cho Claude Opus 5.5 đã rời khỏi bản xem trước nghiên cứu vào ngày 15 tháng 10 năm 2026. Hàng đợi đã biến mất: không còn danh sách chờ để tham gia, không cần nộp yêu cầu truy cập, và không cần đính kèm tiêu đề beta nào. Chế độ nhanh đã trở thành một phần bình thường, tự phục vụ của Claude API, của Claude Code và của Claude trong Microsoft Foundry cho các triển khai lưu trữ trên Azure. Mô hình đằng sau nó không thay đổi. Điều thay đổi là cánh cổng đã hạ xuống, và mức giá phía sau cánh cổng giờ là thứ duy nhất đứng giữa bạn và nó — 8 USD mỗi triệu token đầu vào và 40 USD mỗi triệu token đầu ra, so với 4 USD và 20 USD cho tốc độ tiêu chuẩn. Đúng gấp đôi, ở cả hai chiều.

Đó chính là toàn bộ sự đánh đổi. Claude Opus 5.5 ra mắt ngày 22 tháng 9 năm 2026 với mức giá 4 đô-la và 20 đô-la mỗi triệu token, giảm 20 phần trăm so với Claude Opus 5, còn giá đọc bộ nhớ đệm giảm 60 phần trăm xuống 0,20 đô-la mỗi triệu. Chế độ nhanh khi đó đã có sẵn, nhưng chỉ ở dạng bản xem trước nghiên cứu mà bạn phải được chấp thuận mới dùng được. Kể từ ngày 15 tháng 10, nó đã thành một sản phẩm mà bạn có thể tự bật, với giới hạn tốc độ được công bố trong các hạng mức sử dụng thông thường — và chính sự chuyển dịch từ chỗ phải được chấp thuận sang chỗ được truy cập ấy là điều khiến bảng giá này đáng để đọc kỹ càng thay vì chỉ lướt qua.

Điều gì thực sự đã thay đổi vào ngày 15 tháng 10

Ba điều, và chỉ ba điều, và điều quan trọng là điều nào trong số đó đúng với mô hình nào:

• Truy cập — chế độ nhanh cho Claude Opus 5.5 không còn cần yêu cầu hay phê duyệt. Tính năng này được bật mặc định trong các gói sử dụng Start, Build và Scale. Các tổ chức vẫn ở gói Evaluation có thể sử dụng tính năng này sau khi nâng lên một gói cao hơn.

• Giao thức — fast-mode-2026-02-01 header beta không còn bắt buộc đối với các yêu cầu gửi tới Claude Opus 5.5. Các yêu cầu vẫn gửi nó vẫn tiếp tục hoạt động, vì vậy không cần gỡ bỏ bất cứ thứ gì trong một tích hợp hiện có trong tuần này.

• Các bề mặt — chế độ nhanh cho Claude Opus 5.5 đã có mặt trên Claude in Microsoft Foundry dành cho các triển khai lưu trữ trên Azure ngay trong cùng ngày. Chế độ này không khả dụng trên Claude Platform on AWS, trên Amazon Bedrock hay trên Google Cloud, và cũng không khả dụng trên các triển khai Foundry do Anthropic lưu trữ thay vì do Azure lưu trữ.

Có một điều đã rõ ràng không thay đổi. Chế độ nhanh cho Claude Opus 5 và Claude Opus 4.8 vẫn đang ở dạng bản xem trước nghiên cứu, và hướng dẫn của chính Anthropic là bạn vẫn phải gửi beta header cho hai model đó. Nếu bạn có đoạn code rẽ nhánh theo model ID để quyết định có đính kèm header hay không, thì thay đổi ngày 15 tháng 10 khiến Claude Opus 5.5 trở thành nhánh duy nhất không còn cần đến nó — kiểu bất đối xứng âm thầm làm hỏng một client dùng chung nếu không ai cập nhật điều kiện.

Cùng một mẫu, và đó chính là toàn bộ sức hút

Chế độ Nhanh không phải là một mô hình thứ hai và cũng không phải là một biến thể đã chưng cất. Anthropic nói rõ về điều này: đó vẫn là cùng bộ trọng số, cùng hành vi, cùng trí tuệ, chạy dưới một cấu hình suy luận nhanh hơn. Không có gì về câu trả lời thay đổi. Điều thay đổi là câu trả lời được viết ra nhanh đến mức nào.

Con số cụ thể lên tới 2,5 lần số token đầu ra mỗi giây, và lưu ý cụ thể là mức tăng tập trung vào số token đầu ra mỗi giây chứ không phải thời gian đến token đầu tiên. Sự khác biệt đó đáng để bạn thấm nhuần trước khi mua, vì nó quyết định những khối lượng công việc nào được hưởng lợi. Một tác vụ theo lô chờ chín giây để có token đầu tiên rồi truyền phát trong bốn phút sẽ được lợi rất nhiều. Một luồng tự động hoàn thành cần token đầu tiên trong vòng 200 mili giây thì chẳng được lợi gì, mà còn trả gấp đôi cho đặc quyền đó. Cách diễn giải của chính Anthropic cũng dẫn đến cùng kết luận — chế độ nhanh dành cho công việc tương tác như lặp nhanh và gỡ lỗi trực tiếp, và mức tăng thấy rõ nhất khi truyền phát, nơi có nhiều đầu ra hơn để tăng tốc.

Có một hiệu ứng bậc hai còn quan trọng hơn cả thông điệp chính đối với các phiên dài. Vì mức tăng nằm ở đầu ra, thời gian tiết kiệm thực tế tỷ lệ thuận với lượng mô hình viết, chứ không phải với độ dài cuộc hội thoại. Một mô hình dành thời gian suy nghĩ trước khi gõ là mô hình mà chế độ nhanh không thể giúp được nhiều, và Claude Opus 5.5 là mô hình suy nghĩ theo mặc định. Adaptive thinking trên Opus 5.5 luôn bật và không thể tắt — một yêu cầu cố đặt thinking thành disabled sẽ trả về lỗi 400, còn độ sâu được điều khiển bằng tham số effort thay vào đó. Chế độ nhanh làm cho việc viết nhanh hơn. Nó không làm cho việc suy nghĩ nhanh hơn, và hiện không có tham số yêu cầu nào làm được điều đó.

Bảng giá: $8 và $40, cố định, với các hệ số nhân cộng thêm

Giá của chế độ Fast trên Claude Opus 5.5 là 8 đô la cho mỗi triệu token đầu vào và 40 đô la cho mỗi triệu token đầu ra. So với mức tiêu chuẩn là 4 đô la và 20 đô la, đây đơn thuần là tăng gấp đôi — không phải một gói cao cấp có chiết khấu kết hợp, không phải phụ phí theo từng yêu cầu, và cũng không phải thứ sẽ ngừng khả dụng khi vượt qua một ngưỡng ngữ cảnh nào đó.

• Claude Opus 5.5 tiêu chuẩn — 4,00 USD mỗi triệu token đầu vào, 20,00 USD mỗi triệu token đầu ra, 0,20 USD đọc bộ nhớ đệm, 5,00 USD ghi bộ nhớ đệm

• Chế độ nhanh Claude Opus 5.5 — 8,00 USD mỗi triệu token đầu vào, 40,00 USD mỗi triệu token đầu ra, mức giá cố định trên toàn bộ cửa sổ ngữ cảnh

• Batch API Claude Opus 5.5 — $2.00 mỗi một triệu đầu vào, $10.00 mỗi một triệu đầu ra, giảm giá 50 phần trăm cho công việc bất đồng bộ

• Chế độ Nhanh trên Claude Opus 5 và Claude Opus 4.8 — 10,00 USD và 50,00 USD mỗi triệu, vẫn là bản xem trước nghiên cứu

• Không khả dụng — chế độ nhanh hoàn toàn không thể kết hợp với Batch API, và mức giá đọc bộ nhớ đệm theo mức giá tiêu chuẩn hiện là đường đầu vào rẻ nhất mà Anthropic cung cấp cho mô hình này

Hai yếu tố điều chỉnh chồng lên mức giá chế độ nhanh thay vì thay thế nó. Các hệ số nhân của bộ đệm prompt áp dụng cho định giá chế độ nhanh, và các hệ số nhân lưu trú dữ liệu cũng vậy, những hệ số áp dụng khi một yêu cầu ghim một vùng địa lý suy luận. Cả hai đều là hệ số nhân trên một mức giá vốn đã gấp đôi tiêu chuẩn, vì vậy một yêu cầu ở chế độ nhanh có ghi bộ đệm và hệ số nhân lưu trú không phải là yêu cầu có chi phí gấp đôi. Nó là chi phí gấp nhiều lần, và đó là kiểu hóa đơn mà không ai dự trù được.

Sự đồng đều xuyên suốt cửa sổ ngữ cảnh xứng đáng có một câu riêng, bởi vì nó không bình thường. Chế độ Nhanh ở mức $8 và $40 áp dụng cho yêu cầu 900.000 token với cùng mức giá như cho yêu cầu 9.000 token. Trên một mô hình không có phụ phí ngữ cảnh dài ở tốc độ tiêu chuẩn, chế độ Nhanh do đó là mức gấp 2 lần rõ ràng không có ngưỡng nhảy vọt — điều này khiến việc tính toán trở nên dễ dàng và, đáng tiếc thay, khiến việc chi tiêu trở nên dễ dàng mà không nhận ra.

Câu hỏi về đăng ký mà không ai trả lời rõ ràng

Phần của thay đổi này khiến nhiều người ngạc nhiên nhất không liên quan gì đến API. Trong Claude Code, chế độ nhanh khả dụng cho người đăng ký thuộc các gói Pro, Max, Team và Enterprise — và được tính phí từ tín dụng sử dụng, không phải từ giới hạn tốc độ của gói bạn. Tài liệu nêu rõ ràng: đối với người dùng Claude Code trên các gói đăng ký, chế độ nhanh chỉ khả dụng thông qua tín dụng sử dụng và không được bao gồm trong giới hạn tốc độ của gói đăng ký.

Vậy nên câu trả lời thực tế cho “gói Max của tôi có bao gồm việc này không” là không. Gói đăng ký của bạn bao gồm Claude Opus 5.5 ở tốc độ tiêu chuẩn trong giới hạn gói của bạn. Chế độ Fast nằm ngoài các giới hạn đó và được tính theo tín dụng bạn mua riêng. Ba điều kiện bổ sung sau đây được áp dụng:

• Team và Enterprise — Chủ sở hữu phải bật chế độ nhanh cho tổ chức trước khi bất kỳ ai trong gói có thể sử dụng nó

• Claude Console — tổ chức cần được cấp quyền truy cập chế độ nhanh, và khoản chi tiêu sau đó sẽ xuất hiện dưới dạng sử dụng API thông thường thay vì tín dụng

• Phiên trên đám mây — chế độ nhanh chỉ khả dụng cho phiên hiện tại và không được lưu làm mặc định của bạn; trên claude.ai/code, chế độ này xuất hiện dưới dạng một công tắc trong menu mô hình khi gói của bạn có hỗ trợ

Một điều đáng ghi nhớ khi bạn nhìn vào số dư tín dụng: khi Anthropic ra mắt Claude Opus 5.5 vào tháng 9, công ty cũng đã nâng giới hạn sử dụng năm giờ cho các gói Pro, Max, Team và Enterprise tính theo ghế, đồng thời cấp cho người dùng thuê bao một lượt đặt lại giới hạn tần suất mà họ có thể để dành và dùng bất cứ khi nào họ muốn. Lượt đặt lại đó chính là thứ nên dùng cho một thử nghiệm chế độ nhanh. Hãy đốt lượt đặt lại, đo xem chế độ nhanh thực sự ngốn bao nhiêu tín dụng trên khối lượng công việc của bạn, rồi quyết định liệu mức gấp đôi đó có đáng không — thay vì phát hiện câu trả lời trên một hóa đơn.

Bật nó lên, và một cạm bẫy chi phí đáng để biết

Trong Claude Code CLI, nút bật/tắt là /fast. Nhấn space để chuyển đổi, nhấn enter để xác nhận, và một biểu tượng ↯ nhỏ xuất hiện bên cạnh dấu nhắc trong khi nó đang bật. Có một lệnh Bật/tắt chế độ nhanh trong tiện ích mở rộng VS Code, và một cài đặt fastMode trong tệp cài đặt người dùng của bạn dành cho bất kỳ ai muốn bật vĩnh viễn. Theo mặc định, lựa chọn này được giữ nguyên qua các phiên và có thể được cấu hình để thay vào đó yêu cầu bật lại mới mỗi phiên.

Ở phía API, nó là một tham số yêu cầu: gửi speed: "fast" và phản hồi báo cáo những gì bạn thực sự nhận được trong usage.speed, giá trị này là "fast" hoặc "standard". Trường đó đáng để ghi log, vì nó là sự khác biệt giữa một yêu cầu đã chạy nhanh và một yêu cầu đã âm thầm không chạy nhanh. Chế độ Fast có giới hạn tần suất riêng, tách biệt với giới hạn Opus tiêu chuẩn, và việc vượt quá nó sẽ trả về 429 với một retry-after header thay vì âm thầm chuyển sang phương án dự phòng. Một yêu cầu cho chế độ fast trên một mô hình không thể phục vụ nó sẽ trả về lỗi.

Rồi đến cái bẫy. Lần đầu bạn bật chế độ nhanh trong một cuộc hội thoại, bạn phải trả mức giá đầu vào đầy đủ cho chế độ nhanh chưa được lưu đệm trên toàn bộ ngữ cảnh hội thoại — mọi token đã có sẵn trong cửa sổ. Càng vào sâu trong một phiên mà bạn bật nó lên, thì khoản phí một lần đó càng lớn. Chi phí này chỉ áp dụng một lần cho mỗi cuộc hội thoại, nên việc tắt rồi bật lại sau đó sẽ không lặp lại khoản đó, nhưng bật nó ở lượt thứ bốn mươi của một phiên chạy agent dài thì đắt hơn đáng kể so với bật ở lượt đầu tiên. Hướng dẫn của chính Anthropic là nên bật chế độ nhanh ở đầu phiên thay vì giữa cuộc hội thoại, và với bất kỳ ai đang chạy các phiên agent dài, đó không phải là một lời khuyên về phong cách, mà là sự khác biệt giữa hóa đơn gấp 2 lần và một hóa đơn lớn hơn nhiều.

Bộ định tuyến phù hợp ở đâu và không phù hợp ở đâu

Chế độ nhanh là một tham số yêu cầu trên chính bề mặt API của Anthropic, và cần thẳng thắn về hệ quả: mục danh mục cho Claude Opus 5.5 trên OrcaRouter hiển thị bộ tham số chuẩn — nỗ lực suy luận, công cụ, đầu ra có cấu trúc, độ chi tiết, temperature — và chế độ nhanh không nằm trong số các tham số mà mục đó quảng bá. Cách hiểu trung thực là tùy chọn tốc độ gấp 2 lần phải mua từ phía Anthropic, và chỗ mà một lớp định tuyến chứng tỏ được giá trị của nó ở đây chính là quyết định về nó.

Quyết định đó thường vẫn chỉ là một. Chế độ nhanh là mức 2x cố định áp lên mọi token, trong khi hầu hết hệ thống production đều có một phần nhỏ cần độ trễ thấp và một phần lớn cho mọi thứ còn lại. Trả 2x cho toàn bộ chỉ để phục vụ một phần nhỏ là cách giải quyết đắt đỏ. OrcaRouter định tuyến Claude Opus 5.5 dưới mã anthropic/claude-opus-5.5 theo đúng giá niêm yết mà Anthropic công bố, mức chênh 0% — tức mức giá của nhà cung cấp được chuyển nguyên vẹn, nên con số 4,00 USD cho đầu vào và 20,00 USD cho đầu ra ở trên chính là số tiền xuất hiện trên hóa đơn chứ không phải một mức tương đương đã bị đội giá — và DSL định tuyến diễn đạt việc phân tách đó thành cấu hình: một quy tắc đưa phần tương tác sang một model rẻ hơn, nhanh hơn, còn phần còn lại vẫn ở Claude Opus 5.5 với tốc độ tiêu chuẩn. Tính năng chuyển đổi dự phòng tự động giải quyết nửa vấn đề còn lại, chuyển một lệnh gọi thất bại sang một đường dẫn nhà cung cấp khác thay vì trả về trang lỗi. Trên hơn 200 model, một khóa duy nhất, một hóa đơn duy nhất, và không phải ký thêm hợp đồng thứ hai khi câu trả lời cho "liệu tốc độ này đã đủ nhanh chưa" hóa ra lại là một model khác chứ không phải một thiết lập nhanh hơn.

Ai nên mua nó trong tuần này, và ai không nên

Hãy mua nó nếu nút thắt cổ chai trong vòng lặp của bạn là việc mô hình viết, chứ không phải việc mô hình suy nghĩ. Gỡ lỗi trực tiếp, lặp nhanh trên một prompt, một agent mà các lượt của nó bị chi phối bởi việc phát ra một đối số công cụ dài hoặc một chỉnh sửa mã dài — đó là những khối lượng công việc mà tốc độ đầu ra 2,5x chuyển trực tiếp thành thời gian thực tế ngắn hơn, và nơi tốc độ tăng gấp đôi mang lại thứ mà người đọc có thể cảm nhận được.

Đừng mua nó để làm cho một pipeline theo lô hoàn thành sớm hơn; API Batch hoàn toàn không tương thích với chế độ nhanh và vốn đã bán cùng mô hình đó với giá bằng một nửa giá tiêu chuẩn, tức là một phần tư mức giá nhanh. Đừng mua nó cho phân loại, trích xuất hoặc định tuyến, những việc mà đầu ra ngắn, kinh tế học của bộ nhớ đệm là yếu tố chi phối, và mức giá tiêu chuẩn cộng với một lần đọc bộ nhớ đệm ở mức $0.20 mỗi triệu đang làm công việc thực sự. Và đừng mua nó vì hàng đợi đã mở. Việc hàng đợi mở là một thay đổi về quyền truy cập, không phải là thay đổi về năng lực, và một mô hình đủ nhanh cho khối lượng công việc của bạn vào tuần trước ở mức $4 và $20 không trở nên không đủ ở mức $8 và $40.

Điều thực sự mới mẻ là chi phí dùng thử đã giảm xuống bằng không. Không có phê duyệt nào phải chờ và cũng không có danh sách chờ nào phải ngồi đợi, nên phản ứng đúng đắn trước ngày 15 tháng 10 là đo lường chứ không phải mua: hãy bật chế độ nhanh khi bắt đầu một cuộc trò chuyện, ghi lại những gì usage.speed báo cáo, tự chạy khối lượng công việc tương tác của bạn theo cả hai cách, và để số tín dụng quyết định. Điều duy nhất cần theo dõi tiếp theo là hai mô hình Opus còn lại. Chế độ nhanh cho Claude Opus 5 và Claude Opus 4.8 vẫn đang trong giai đoạn xem trước nghiên cứu với beta header vẫn là yêu cầu bắt buộc, và nếu Anthropic áp dụng cách xử lý ngày 15 tháng 10 cho chúng, thì đội hình phân khúc cao cấp sẽ trở nên đơn giản hơn và việc lựa chọn sẽ khó hơn.

Khoảng cách giữa những gì một bảng điểm đo lường và những gì một triển khai thực tế đáp ứng chính là lý do hồ sơ này quan trọng: những thất bại AI và sự cố tác nhân đã được ghi nhận liên quan đến các mô hình thuộc nhóm này đều được tập hợp trong the OrcaRouter AI Incident Archive, nơi mỗi mục đều đi kèm nguồn riêng, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ đánh dấu tranh chấp.