| 推理 Token 数 | 指模型在正式输出答案前，用于内部思考、推理和中间计算所消耗的 Token 数量。 |
| 内容 Token 数 | 指模型最终实际输出给用户的正文内容所消耗的 Token 数量，内容 Token 数 = 输出 Token 数 - 推理 Token 数。 |
| 输入 Token 数 | 指一次请求中，用户输入内容以及系统附加上下文一共消耗的 Token 数量。 |
| 输出 Token 数 | 指一次请求中，模型返回结果所消耗的 Token 总数，输出 Token 数 = 推理 Token 数 + 内容 Token 数。 |
| 总 Token 数 | 指一次请求完整处理过程中消耗的 Token 总量，总 Token 数 = 输入 Token 数 + 输出 Token 数。 |
| 首 Token 时间 | 指从请求发送完成，到客户端收到模型返回的第一个有效 Token 为止所经历的时间，首 Token 时间 = 第一个有效 Token 到达时间 - 请求发送完成时间。 |
| 推理时间 | 指模型开始返回第一个 Token 之后，到推理阶段结束所经历的时间，用于反映模型“思考”阶段的耗时，推理时间 = 最后一个推理内容到达时间 - 首 Token 时间，若只有一个推理内容 Token，则推理时间为 0。 |
| 内容生成时间 | 指模型开始输出正文内容后，到正文内容全部生成完成所经历的时间，内容生成时间 = 最后一个正文内容到达时间 - 第一个正文内容到达时间，若只有一个正文内容 Token，则内容生成时间为 0。 |
| 完整响应时间 | 指从请求发送 完成，到模型全部返回结束所经历的总时间，完整响应时间 = 最后一个有效 Token 到达时间 - 请求发送完成时间。 |
| 每 Token 平均耗时 | 指在首 Token 返回之后，模型后续平均生成 1 个输出 Token 所消耗的时间，每 Token 平均耗时 = （完整响应时间 - 首 Token 时间）/（输出 Token 数 - 1）。 |
| 推理速度 | 指模型在推理阶段，平均每秒可生成的推理 Token 数量，推理速度 = 推理 Token 数 / 推理时间，向上取整。 |
| 内容速度 | 指模型在正文输出阶段，平均每秒可生成的内容 Token 数量，内容速度 = 内容 Token 数 / 内容生成时间，向上取整。 |
| 平均速度 | 指模型在整次响应过程中，平均每秒可生成的 Token 数量，平均速度 = 总 Token 数 / 完整响应时间，向上取整。 |
| 成功率 | 指在统计时间范围内，模型请求成功返回有效结果的次数占总请求次数的比例，成功率 = 成功请求数 / 总请求数 × 100%。 |
| HTTP 错误率 | 指在统计时间范围内，返回 HTTP 错误状态码的请求次数占总请求次数的比例，HTTP 错误率 = 返回 HTTP 状态码 > 400 的请求数 / 总请求数 × 100%。 |
| 超时率 | 指在统计时间范围内，请求在规定时间内未收到完整响应的次数占总请求次数的比例，超时率 = 超时请求数 / 总请求数 × 100%。 |
| 中断率 | 指在统计时间范围内，请求已经开始响应，但在返回过程中异常中断的次数占总请求次数的比例，中断率 = 中断请求数 / 总请求数 × 100%。以下情况也视为中断：1. 已经响应首包，但未收到 usage 数据；2. 没有 content 内容，只有 usage 数据。 |
| 缓存命中率 | 指请求复用了已有缓存结果或缓存上下文的比例，用于衡量缓存机制的生效情况，缓存 Token 数 / 输入 Token 数 × 100%。 |
