Anthropic 和 OpenAI 最近先后发布了各自的“快速模式”，都是给 AI 编程助手加速。但仔细看，两家走的是完全不同的技术路线，背后的产品哲学也很不一样。
两种快速模式，到底有什么区别
Anthropic 的 Fast Mode 在 2 月 8 日上线，面向 Claude Code 和 API 用户。开启后，Opus 4.6 的输出速度从约 65 token/秒提升到约 170 token/秒，快了 2.5 倍。代价是价格翻 6 倍：输入从 5 美元/百万 token 涨到 30 美元，输出从 25 美元涨到 150 美元。
特别提醒一下用 Claude Code 的朋友，Fast Mode 的费用走 extra usage 通道，不从订阅配额里扣。也就是说就算你是 $200 一月的订阅，Fast Mode 产生的费用都要你自己掏钱，慎重！不过用 GitHub Copilot 的话，里面的 Token 计费是普通模型 x6 倍，算在包月里面的，相对还可以接受。
Fast Mode 不是另一个模型。 Anthropic 反复强调，快速模式跑的是完全相同的 Opus 4.6，智能水平和输出质量不变。你付的是“加急费”，买的是同一个模型的更快服务。
OpenAI 则在 2 月 12 日发布了 GPT-5.3-Codex-Spark，是 GPT-5.3-Codex 的一个“轻量版”蒸馏（Knowledge Distillation）模型，专门为实时编程设计。速度达到 1000+ token/秒，是原版 Codex 的 15 倍。目前只对 ChatGPT Pro 用户开放。
硬件也不一样。Spark 跑在 Cerebras 的第三代晶圆级引擎（Wafer Scale Engine 3）上，这是 OpenAI 今年 1 月宣布的超过 100 亿美元合作的首个成果，也是 OpenAI 第一次在生产环境中使用非 Nvidia 芯片。
但能力有差距。在 Terminal-Bench 2.0（衡量 agent 终端操作能力的基准测试）上，完整版 Codex 得分 77.3%，Spark 是 58.4%。有人做了个直观测试：让两个模型各写一个贪吃蛇游戏，Codex 5.3 花了 6 分钟，每个边界情况都处理到位；Spark 50 秒就跑出来了，游戏能玩，但细节上有瑕疵。
在 SWE-Bench Pro（更接近真实软件工程任务的测试）上，差距小一些：Spark 大约 2-3 分钟完成的任务，完整版 Codex 需要 15-17 分钟，准确率接近。
目前 Spark 只对 ChatGPT Pro 用户开放（$200/月），上下文窗口 128K，不支持图片输入，API 访问限于少量合作伙伴。
一句话总结区别：Anthropic 是同一个模型跑得更快，OpenAI 是换了一个更小的模型跑在专用芯片上。
为什么能快
Anthropic 没有公开 Fast Mode 的技术细节。技术博主 Sean Goedecke 推测是降低了推理时的批处理大小（batch size），但这个说法在 Hacker News（以下简称 HN）上被多位从业者质疑。现代推理系统早就用上了连续批处理（continuous batching），“等批次凑满再出发”这种事基本不存在了。
HN 讨论中有几个更靠谱的猜测：
路由到最新硬件：把 Fast Mode 请求全部路由到最新一代硬件上（比如 GB200，显存带宽是 H100 的 2.4 倍），硬件代差本身就能带来明显提速
并行蒸馏和精炼：来自用户 ankit219 的推测，Anthropic 可能先并行跑多条推理路径，再快速蒸馏合并出答案。这能解释一个反常识的现象——有用户反馈 Fast Mode 在某些难题上表现反而比标准模式更好
OpenAI 这边公开得多。Spark 跑在 Cerebras 的 WSE-3 上，一块面积 46,225 mm² 的晶圆级芯片，大约是英伟达 H100 的 57 倍大。
这块芯片的核心优势是片上集成了 44GB 的 SRAM（静态随机存取内存），访问速度比 GPU 常用的 HBM（高带宽内存）快大约两个数量级。GPU 推理时大量时间花在从外部内存搬运模型权重上，Cerebras 把模型直接放在芯片内部，消除了这个搬运开销。
44GB 的 SRAM 显然装不下完整的 GPT-5.3-Codex，所以 OpenAI 训练了一个更小的蒸馏版本。具体多大不清楚，但 Cerebras 芯片可以多片串联，所以 Spark 的参数量可能比"44GB 能装下的"要大不少。
速度和准确率，哪个更重要
这是两种 Fast Mode 背后真正的产品分歧。
Anthropic 赌的是：开发者最在意的是模型不犯错。 所以给你同一个最聪明的模型，只是让它跑快一点。你多花的钱买的是“不降智”。
OpenAI 赌的是：开发者需要实时交互的体验。 1000 token/秒意味着代码生成速度比大多数人的阅读速度还快，这已经跨过了从“批处理工具”到“实时协作者”的门槛。
哪个更对？取决于使用场景。
对于坐在终端前和 AI 来回对话的交互式开发，速度差异是实实在在的。Opus 4.6 标准模式下一个复杂重构可能要等 30 秒，快速模式下 12 秒。这个差距足以影响你能不能保持“心流”状态。
但对于 AI agent 自主完成多步骤任务的场景，速度可能没有看起来那么重要。一个 HN 评论者算了一笔账：如果 agent 每步决策有 80% 准确率，串联 10 步后端到端成功率只剩约 10%。agent 任务中大部分时间花在工具调用上（API 请求、文件读写、等外部服务），模型推理速度快 6 倍，对整体耗时的改善可能远没有 6 倍。
速度对实时语音 AI 的意义可能更大。 人对对话中超过 800ms 的停顿就会觉得不自然。语音 agent 的流水线（语音识别 → LLM 推理 → 语音合成）中，留给 LLM 的窗口只有约 400-500ms。常规速度下这个窗口只够生成约 35 个 token，勉强一句话。1000+ token/秒的速度能让这个窗口生成 400+ 个 token，对语音交互的设计空间是质的改变。OpenAI 有自己的语音产品线，这可能是他们投入 Cerebras 合作的一个重要考量。
速度优势还能转化为准确率。与其用一条推理路径快速得到一个不太靠谱的答案，不如同时跑多条候选路径，选最优的那个。速度够快的话，跑 3 条路径选最好的，总时间可能还比标准模型跑 1 条路径短，准确率反而更高。
普通用户怎么选
如果你是 Claude Code 用户，快速模式的使用场景很明确：交互式开发、实时调试、需要快速迭代的时候打开，跑长任务或对成本敏感时关掉。
如果你是 OpenAI Codex 用户，Spark 的定位更微妙。社区已经摸索出一个比较合理的使用模式：让完整版 Codex 负责规划和复杂推理，Spark 负责小改动、生成测试、格式调整这类可以快速验证的任务。有人总结了一个判断标准：这个任务的结果能在 30 秒内验证吗？能的话用 Spark，不能就用完整版。
OpenAI 也提到未来可能推出“混合模式”，根据任务复杂度自动路由到 Spark 或完整版 Codex，但目前还需要手动切换。
价格方面，Anthropic 的快速模式是明码标价的贵（6 倍），但你清楚自己买的是什么。Spark 目前只对 ChatGPT Pro 用户开放，API 定价还没有最终确定。
务实建议：别因为"快"就默认开启。 先想清楚你的瓶颈在哪。如果大部分时间花在等模型回复上，快速模式值得试。如果大部分时间花在修复模型犯的错上，你需要的不是速度，而是更好的 Prompt 或者换个更强的模型。
最后
两家公司几乎同时推出快速模式，反映的是行业共识的转变：模型智力的军备竞赛之外，推理速度正在成为新的竞争维度。
一个是精算师思维，一个是探险家思维。Anthropic 卖的是确定性（同模型、同质量、就是更快），OpenAI 卖的是可能性（新芯片、新模型、速度质变）。
至于谁的路线更有前景，可能要看 Cerebras 的产能能不能跟上，以及 OpenAI 能不能在这些芯片上跑越来越大的模型。如果未来完整版 Codex-5.3 也能在 Cerebras 上跑到 1000 token/秒，那就是另一个故事了。
参考资料：
Sean Goedecke 的分析博客：https://www.seangoedecke.com/fast-llm-inference/
HN 讨论：https://news.ycombinator.com/item?id=47022329
Anthropic Fast Mode 文档：https://platform.claude.com/docs/en/build-with-claude/fast-mode
OpenAI Codex Spark 公告：https://openai.com/index/introducing-gpt-5-3-codex-spark/
