上游模型 Fast 推理档位 (speed: "fast")
输出约 2.5× 快 · 高级模型 2× 计费
跟随请求默认
支持的模型默认开 Fast
强制标准档 (省额度)
Fast 是什么 :同一个模型换一套更快的推理配置,智能和能力不变。Anthropic 官方称输出速度最高 2.5 倍;本项目在 Fable 5.2 上实测(2026-11)输出速度是标准档的 2.4~2.7 倍,写 2000 个输出 token 从约 22 秒降到约 9 秒,首字也快 1.2~1.7 秒。
怎么计费 :Opus 5.5、Fable 5.2 这类高级模型的 Fast 按标准价 2 倍计费(Fable 5.2 已用 Cursor 账单逐条核对,Opus 5.5 见 Cursor 价格表);个别模型倍率不同(如 composer-2.5 约 6 倍),以 Cursor 价格表为准。Fast 与标准档的提示缓存互不通用,同一段对话中途切换档位会重新写一遍缓存。
对哪些模型生效 :只对 Cursor 模型目录里带 fast 参数的模型生效(按实时目录判断,点下方「拉取模型目录」可以看到是哪些);其它模型三档都不受影响。
• 跟随请求默认 :客户端传 speed:"fast" 走 Fast,传 "standard" 走标准档;不传时用 Cursor 目录的默认档(Opus 5.5 / Fable 5.2 / GPT 5.6 等默认标准档,composer-2.5 默认 Fast)。
• 支持的模型默认开 Fast :客户端没传 speed 时自动走 Fast;显式传 "standard" 仍走标准档。
• 强制标准档 (省额度) :不管客户端传 speed:"fast" 还是直接请求 -fast 变体,一律走标准档,不产生 Fast 的加价。
缓存用量怎么报给调用方
不模拟(上游报什么给什么)
模拟官方缓存(5m / 1h)
• 不模拟 :返回 Cursor 账单里的缓存读写。Cursor 只有 5 分钟缓存,写在它自己选的位置,和调用方的 cache_control 断点对不上。
• 模拟官方缓存 :Claude 请求的缓存用量按官方规则由本代理计算:只在调用方的 cache_control 断点写入,5m / 1h 各自计时,默认按 Key 隔离(配置了相同「缓存共享组」的 Key 共用同一份前缀缓存池,命中系数和统计仍各自独立),没有断点的请求一律报 0 缓存;并支持 max_tokens: 0 预热。
两种都只改变返回给调用方的 usage,号池花费与内部统计仍按上游真实用量。
命中系数 = 调用方看到的命中量 ÷ 上游实际命中量(0 ~ 100,默认 1;只在「模拟官方缓存」下生效)
缓存共享组(可选,填相同组名的 Key 共用前缀缓存池;留空 = 仅本 Key 独立)
命中量 = 从缓存读到的 token 数。系统自动挑请求去够这个系数。
1 :命中量和上游实际一样多,只是按调用方自己的断点和 5m / 1h 来呈现。小于 1 :命中量比上游实际少。大于 1 :命中量比上游实际多。
上限是官方规则的理论最优 :写入过、没过期的缓存全部命中(5m 的在 5 分钟内全命中);没写入或已过期的不会命中。系数高于理论最优时停在理论最优;填 100 = 直接按官方规则,不做调整。
要少给命中时,把某次请求当作缓存已过期:这次读不到、重新写入(按写入价计),下一次从这次写入的位置读。过期只有官方本来就会出现的两种:5m 的过期而 1h 的还在,或全部过期。
• 数字前后对得上:每次读到的量都等于之前某次写入的量,不会出现写 4k 读 8k;输入总量不变。
• 系数是在多次请求里按命中量累计达到的,不是每个请求都按比例切。实际达到多少,看下面的「命中量之比」。
最近 100 次请求:调用方看到的 对比 上游实际的
调用方看到的 = 返回给这把 Key 调用方的 usage;上游实际的 = 上游(Cursor)账单的 usage。
费用 = 用量 × 「官方模型价格表」的单价,两边用同一个模型的价格,1 小时写入按输入价 2 倍计。
命中率 = 命中量 ÷ 输入总量(普通输入 + 命中 + 写入),两边各算各的。
改了缓存模式或命中系数后,从头开始统计。