推理与成本

首字延迟

TTFT (Time To First Token)

从发出请求到收到第一个字的时间。

又称 TTFT 首 token 延迟

本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正

01 详细解释

主要由预填充阶段决定:上下文越长、模型越大,首字越慢。聊天场景里,TTFT 超过 2 秒用户就开始觉得卡;流式输出能缓解感知,但不能改变真实等待。

优化方向:缩短系统提示、启用提示词缓存、减少检索塞入的材料、用小模型做首轮响应。

02 什么时候会碰到它
账单变贵、响应变慢、要压成本时

同样一个模型,费用能差十倍,差别全在缓存、批处理、量化、并行和让它想多久。做容量规划、选部署方式、谈单价,都绕不开这几个词。

03 和这几个词怎么区分
04 接着读这几篇

小7分享网 · 聚焦 AI 的实用博客

每天一篇,跟进 AI 行业动态、实测新工具、拆解实战教程。不堆术语,不炒概念,只写真正用得上的内容。

浏览全部文章关于本站

欢迎回来

登录 小7分享网,继续你的精彩

还没有账号?立即注册

忘记密码 ?

创建账号

注册后即可体验完整功能

已有账号?直接登录

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活