跳转到内容
Telemetry
人工智能和法学硕士 SQL查询示例

测量 LLM 获得第一个令牌的时间

按模型和功能比较流响应能力和总生成延迟。

中级llm_requests已审核 2026-07-27测试用 阿帕奇 DataFusion 45.2.0

审阅者 Telemetry产品团队 . SQL 兼容性、事件契约、合成输出和操作注意事项. 审查标准和所有权

问题已回答

在输出开始之前,哪些模型和功能组合感觉很慢?

用户在流式传输之前经历的暂停与总完成时间分开。测量两者可以揭示延迟是否来自请求启动或生成。

活动合约

查询期望的字段

字段类型为什么存在
timestamp_utcTimestamp模型请求完成时间。
modelUtf8提供者模型标识符。
featureUtf8提出要求的产品功能。
statusUtf8最终请求结果。
time_to_first_token_msFloat64距离第一个流式令牌的毫秒数。
latency_msFloat64总请求持续时间(以毫秒为单位)。
DataFusion SQL

复制查询

sql
SELECT
  feature,
  model,
  COUNT(*) AS requests,
  approx_percentile_cont(time_to_first_token_ms, 0.50) AS p50_ttft_ms,
  approx_percentile_cont(time_to_first_token_ms, 0.95) AS p95_ttft_ms,
  approx_percentile_cont(latency_ms, 0.95) AS p95_total_latency_ms
FROM llm_requests
WHERE timestamp_utc >= now() - INTERVAL '7 days'
  AND status = 'success'
  AND time_to_first_token_ms IS NOT NULL
GROUP BY feature, model
HAVING COUNT(*) >= 30
ORDER BY p95_ttft_ms DESC;

此只读查询是针对空类型表计划和执行的 阿帕奇 DataFusion 45.2.0。确定性样本输出是综合的并单独审查;根据您自己的数据验证字段类型、阈值和业务定义。 阅读测试方法。

查询结果

p95 第一个令牌的时间

报告生成的启动暂停时间最长,总完成时间最慢。

featuremodelrequestsp50_ttft_msp95_ttft_msp95_total_latency_ms
report_generationlarge-reasoning8421,2804,62018,400
draft_replysmall-fast6,8103109203,840
search_summarybalanced2,4204801,3806,210

综合示例输出。在将其用于操作决策之前,针对您自己的事件架构和阈值运行查询。

p95 time to first token:来自 Measure LLM Time to First Token 示例结果的合成 p95_ttft_ms 值的静态图表
确定性示例输出的可索引 SVG。下载它以获取带有归属的文章、操作手册或设计评论。

重现示例

下载公共装置

JSON 包包含类型化事件契约, illustrative 输入行、确切的 SQL、预期输出、审阅注释和引擎版本。 CSV 包含显示的结果。

SQL 是如何工作的

  1. 1成功的流请求按产品决策和模型进行分组。
  2. 2p50 描述了典型的停顿,而 p95 则暴露了用户抱怨的尾部。
  3. 3总 p95 延迟仍然存在于 TTFT 旁边,因此优化不会改善启动,同时会使完成情况变得更糟。

需要决定的边缘情况

  • 非流请求没有有意义的第一个令牌测量。
  • 提供商报告的时间和客户观察到的时间可能有所不同;记录测量边界。
  • 比较功能内的模型,因为提示大小和请求的输出长度都会影响这两个指标。

推荐仪表板

  • 分组条:p50_ttft_ms 和 p95_ttft_ms
  • 趋势:p95 TTFT(按型号和功能划分)
  • 表:具有令牌计数和重试上下文的慢速请求

警报指导

当大容量功能的 p95 TTFT 超过其连续存储桶的用户体验目标时发出警报。

读取警报设置

让查询示例发挥作用

相关埋点和指南

继续分析

在真实事件中运行它

创建表,调整字段并保存结果

免费开始,发送结构化事件,并将查询结果用作图表、共享仪表板小部件或警报输入。

获取 API 密钥