并发增加会提升整体吞吐，也可能让单请求等待更长，需要按业务目标选择。
排队、批处理和缓存共享影响首 token 与生成速率。不同输入长度形成不均衡，资源预算不能只按平均请求。
一、问题的范围与前提
模型负责语言或特征推断，检索提供候选材料，程序验证结构与权限，执行层管理实际动作。各部分成功条件应单独定义。生成流畅、JSON 合法和工具调用受理，都不足以独立证明事实正确或业务已经完成。
二、技术分析与方案取舍
并发请求的完成速度由排队、prefill、decode 和资源竞争共同决定。长输入占用的准备时间与短输出请求不同，平均 token/s 很容易掩盖用户等待。测试保存请求到达、首 token、最后 token 以及输入输出长度，按分位数看首输出延迟和总耗时。
提高并发后吞吐可能上升，但单请求尾部延迟也可能变差；应给队列长度和截止时间设置上限。不能在请求已经取消后继续让后台生成占用缓存。批处理、缓存和调度策略以固定框架版本验证，最终配置围绕目标服务时限，而不围绕显存尽量占满。
先选择一个明确任务，固定输入、模型和工具范围，完成小样本端到端验证，再扩展数据与并发。引用和计算使用可反查证据，外部内容不授予执行权限。资源、上下文与时间都有预算，失败状态能被查询和恢复，避免在结果未知时盲目重做。
三、实现与排查的顺序
- 固定长度分布。
- 测排队和生成。
- 逐级增加并发。
- 保留失败和尾部。
按这个顺序保留中间结果，可以区分输入条件、处理过程和最终输出。前一阶段的条件不成立时，先解释对应错误，再继续后面的试验；单次返回成功不足以覆盖整条链路。
最小示例
1
2
3
加载与预热单独记录
读入、预处理、传输、计算、检索、保存分别计时
报告：样本范围、中位、尾部、资源峰值
GPU 异步调用需要合适事件或同步测量，阶段重叠时不能简单相加。所有性能比较同时检查结果质量，不能把减少输入或降低检出条件当无代价提速。
四、验证和结果解释
评估集覆盖正常、困难与越权条件，保存事实错误、引用错误、格式错误和工具错误的区别。模型输出与业务结果分开测量，目标指标不能冒充实测。已有官方能力说明只能支持候选范围，最终质量仍取决于目标数据和环境。
| 需要验证的结果 | 保留的对照 | 不能由此推出的结论 |
|---|---|---|
| 整体和单请求分开 | 固定输入与配置、对应输出 | 一次成功代表所有条件成功 |
| 长请求不饿死短请求 | 中断前后状态与错误阶段 | 没有报错代表结果正确 |
| 峰值可控 | 恢复后的同条件复测 | 临时恢复代表根因已经消失 |
验证材料缺失、错误检索、依赖中断、资源不足与操作取消。系统应收窄结论或明确失败，不能为了给出答案补造证据。模型版本与处理参数成对保存，变更后重跑固定问题集，防止更自然的表达掩盖任务能力退步。
五、适用边界与结论
吞吐数字没有输入条件就难以比较，不承诺线性扩容。
这条路径把“固定长度分布”与“保留失败和尾部”连在一起，中间保留可复查的条件。实施时优先确认“整体和单请求分开”，再检查“峰值可控”；两者都满足，才能在当前样本与配置范围内评价方案。设备、数据或软件版本改变以后，相关假设需要重新验证。
