首 token 很慢：不是报错但要优化

30 秒结论

首 token 慢通常是上游排队或路由远。感受上比吞吐更影响体验。

报错原文对照

首字 5 秒以上，之后输出正常

原因排序

概率	原因
40%	上游排队
30%	跨境链路 RTT 高
20%	提示词太长处理慢
10%	模型本身推理慢

修法

先在自己这边查

1. 选延迟低的站点（看实测数据）
2. 缩短系统提示词
3. 开流式，让用户先看到字

再往服务方查

1. 站点要优化路由和并发

责任判定表

现象	责任方
所有模型都慢	链路
只有大模型慢	模型
高峰期慢	排队

什么时候该换

首字延迟比总耗时更影响体感，选站时优先看这个指标。