高峰期首 token 从 0.8 秒变成 6 秒

慢不等于被限速，也不等于模型被换。排队、上游负载、分组并发都可能造成同样的现象。

1. 同一提示词在 09:00 和 15:00 各跑 10 次，记录每次的首 token 时间与总时长，不要只记平均。
2. 换一个模型再测。如果只有大模型慢、小模型正常，说明是上游容量问题而不是你的网络。
3. 换一个分组或渠道再测。如果换了就恢复，说明你所在的分组并发被占满。
4. 看响应头里有没有排队相关的字段（部分站点会带 queue time 或 retry-after）。

两组各 10 次的首 token 时间序列、对应的模型 ID、请求时间戳、以及换组后的对照组。

如果只有高峰期慢、换组恢复，结论是分组容量不足；如果全天都慢且换组无效，才需要怀疑链路或上游。

把批量任务挪到低谷；向站点确认分组的并发上限；对交互类应用设首 token 预算，超过就降级到小模型。