---
title: "زمن استجابة LLM: TTFT والرموز في الثانية والزمن الكلي"
description: "ما الذي يقيسه زمن أول رمز (TTFT) والرموز في الثانية وزمن الاستجابة الكلي، وكيف تقيس كلًّا منها من جهة العميل بالشيفرة، وأي حل يحسّن أي رقم."
url: https://broadrouter.com/ar/blog/llm-latency-ttft-throughput/
lang: ar
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/blog/llm-latency-ttft-throughput/) (حُدّث في 2026-11-16).

# زمن استجابة LLM: زمن أول رمز مقابل الرموز في الثانية والزمن الكلي

بقلم فريق BroadNet Inference · قراءة في 4 دقائق · تاريخ النشر 2026-11-14 · آخر تحديث 2026-11-16

زمن أول رمز (TTFT) هو الانتظار قبل وصول أول رمز (توكن) من المخرجات. والرموز في الثانية هي سرعة تدفق الإجابة بعد ذلك. أما زمن الاستجابة الكلي فهو المجموع: TTFT زائد زمن التوليد، أي تقريبًا رموز الإخراج مقسومة على السرعة لكل مستخدم. طول الأمر والانتظار في الطابور يحددان TTFT، وحجم النموذج والحِمل يحددان السرعة، وطول الإجابة يحدد المجموع. قِس الثلاثة عند p50 وp95.

## أبرز النقاط

-   الزمن الكلي ≈ TTFT + (رموز الإخراج − 1) × الفاصل بين الرموز (ITL)، أي تقريبًا TTFT + رموز الإخراج ÷ الرموز في الثانية لكل مستخدم. في الإجابات الطويلة تغلب السرعة والطول؛ وفي القصيرة يغلب TTFT.
-   في نماذج الاستدلال المنطقي يأتي أول رمز مرئي بعد التفكير، لذا قِس زمن أول رمز محتوى بمعزل عن زمن أول رمز.
-   الأوامر الطويلة ترفع TTFT لأن النموذج يقرأ الأمر كاملًا أولًا؛ والبادئات المخزّنة مؤقتًا تساعد عادةً.
-   بسرعة نحو 100 رمز في الثانية، يزداد زمن التوليد بالنسبة نفسها التي يزداد بها طول الإجابة: عشرة أضعاف رموز الإخراج تستغرق نحو عشرة أضعاف الوقت لتتدفق.
-   أبلغ عن p50 وp95 مع طول الأمر؛ فالمتوسط بلا حجم الأمر لا يصلح للمقارنة.

**في هذه الصفحة**

1.  ما TTFT والرموز في الثانية وزمن الاستجابة الكلي؟
2.  لماذا تحتاج نماذج الاستدلال المنطقي إلى رقم رابع؟
3.  كيف تقيس زمن الاستجابة من جهة العميل؟
4.  ما الذي يحسّن كل رقم فعلًا؟
5.  كيف يغيّر طول الأمر المفاضلة؟
6.  أين يناسبك BroadNet Inference؟

عبارة «الـ API بطيئة» قد تعني ثلاثة أشياء مختلفة، ولكل منها حل مختلف. مستخدم المحادثة ينتظر الكلمة الأولى. والوكيل ينتظر استدعاء الأداة كاملًا. ومهمة المعالجة المجمّعة يهمها عدد الرموز في الساعة. يعرّف هذا المقال الأرقام الثلاثة، ويبيّن كيف تقيسها من شيفرتك، ويربط كل حل بالرقم الذي يحرّكه فعلًا.

## ما TTFT والرموز في الثانية وزمن الاستجابة الكلي؟

يقدّم دليل NVIDIA لقياس الأداء تعريفات واضحة، وهي تطابق ما يمكنك ملاحظته من جهة العميل:

| المقياس | ما يقيسه | من يشعر به | ما يحدده |
| --- | --- | --- | --- |
| [زمن أول رمز](https://broadrouter.com/ar/glossary/time-to-first-token/) (TTFT) | من إرسال الطلب ← حتى استلام أول رمز | مستخدمو المحادثة | الشبكة، الطابور، طول الأمر (prefill)، إصابات التخزين المؤقت |
| زمن ما بين الرموز (ITL) | متوسط الفاصل بين الرموز | قرّاء الإجابة المتدفقة | حجم النموذج، العتاد، حِمل الخادم |
| [الرموز في الثانية](https://broadrouter.com/ar/glossary/tokens-per-second/) لكل مستخدم | رموز الإخراج بعد الأول ÷ زمن التوليد (من أول رمز إلى آخر رمز)؛ يساوي 1 ÷ متوسط ITL | القرّاء، الوكلاء | مثل ITL |
| زمن الاستجابة الكلي | من إرسال الطلب ← حتى استلام آخر رمز | الوكلاء، واجهات API، المعالجة المجمّعة | TTFT + زمن التوليد |

والمعادلة التي تربطها معًا:

**الزمن الكلي ≈ TTFT + (رموز الإخراج − 1) × ITL ≈ TTFT + رموز الإخراج ÷ الرموز في الثانية لكل مستخدم**

السرعة لكل مستخدم ليست هي [الإنتاجية](https://broadrouter.com/ar/glossary/throughput/) على مستوى الخادم، أي مجموع الرموز التي يولّدها الخادم لكل المستخدمين؛ وقد يرفع المزود إحداهما بينما تنخفض الأخرى.

خذ السرعة النموذجية التي تنشرها BroadNet لنموذج خططها، نحو 100 رمز في الثانية. يزداد زمن التوليد مع طول الإجابة: فملف شيفرة من 4,000 رمز يستغرق في توليده نحو ثمانين ضعف ما تستغرقه عملية تصنيف من 50 رمزًا، بينما ينتظر الاثنان TTFT نفسه. في الإجابات القصيرة يشكّل TTFT معظم الانتظار؛ وفي الطويلة تشكّله السرعة والطول.

## لماذا تحتاج نماذج الاستدلال المنطقي إلى رقم رابع؟

نماذج الاستدلال المنطقي مثل [DeepSeek V4.1 Flash](https://broadrouter.com/ar/models/deepseek-v4.1-flash/) تفكّر قبل أن تجيب، والتفكير رموز إخراج أيضًا. فإن أنفق النموذج 800 رمز في الاستدلال بسرعة نحو 100 رمز في الثانية، ينتظر المستخدم توليد الرموز الـ 800 كلها قبل أول كلمة مرئية، حتى لو بدا TTFT على الشبكة سريعًا. لذا قِس **زمن أول رمز محتوى** بمعزل عنه. وعلى BroadNet Inference يختصر `reasoning_effort: "low"` التفكير في الخطوات البسيطة؛ ويشرح [دليل الاستدلال المنطقي](https://broadrouter.com/ar/guides/reasoning-tokens-empty-response/) المفاضلة.

## كيف تقيس زمن الاستجابة من جهة العميل؟

قِسه حيث يوجد مستخدموك، مع تفعيل [البث المتدفق](https://broadrouter.com/ar/glossary/streaming/). فالمؤقتات على جهة الخادم لا ترى الشبكة ولا أي وسيط (proxy).

```python
import os, time, statistics
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

def timed(model, messages, max_tokens=1500):
    t0 = time.perf_counter()
    first = first_content = None
    usage = None
    stream = client.chat.completions.create(
        model=model, messages=messages, max_tokens=max_tokens,
        stream=True, stream_options={"include_usage": True},
    )
    for chunk in stream:
        now = time.perf_counter()
        if chunk.choices:
            if first is None:
                first = now
            if chunk.choices[0].delta.content and first_content is None:
                first_content = now
        if chunk.usage:
            usage = chunk.usage
    end = time.perf_counter()
    out = usage.completion_tokens if usage else 0
    return {
        "ttft": first - t0,
        "ttfct": (first_content or end) - t0,
        "e2e": end - t0,
        "tps": (out - 1) / (end - first) if out > 1 and end > first else 0,
        "prompt_tokens": usage.prompt_tokens if usage else None,
    }

runs = [timed("broadnet/gemma-4-26b-a4b", [{"role": "user", "content": "Summarise SSE in 100 words."}]) for _ in range(50)]
for k in ("ttft", "ttfct", "e2e", "tps"):
    xs = sorted(r[k] for r in runs)
    print(k, "p50", round(statistics.median(xs), 3), "p95", round(xs[int(len(xs) * 0.95) - 1], 3))
```

خمس قواعد لقياس منصف:

1.  **ثبّت طول الأمر** واذكره. فـ TTFT عند 500 رمز في الأمر يختلف عنه عند 200,000. وتخبرك [أداة عدّ الرموز](https://broadrouter.com/tools/token-counter/) بطول أمر الاختبار قبل إرساله.
2.  **ثبّت طول المخرجات** بـ `max_tokens` وأمر يملؤه، لتكون الرموز في الثانية قابلة للمقارنة.
3.  **أبلغ عن p50 وp95**، لا عن المتوسط. فالطرف الأقصى من زمن الاستجابة هو ما يتذكره المستخدمون.
4.  **وزّع التشغيلات على فترات زمنية.** فالحِمل يتغيّر خلال اليوم.
5.  **ابدأ بتشغيل تمهيدي.** فالاستدعاء الأول يدفع ثمن DNS وTLS وإعداد الاتصال؛ أعد استخدام عميل واحد.

## ما الذي يحسّن كل رقم فعلًا؟

| لتحسين | افعل هذا | السبب |
| --- | --- | --- |
| TTFT | اختصر بادئة الأمر أو خزّنها مؤقتًا | زمن prefill يزيد مع طول الأمر؛ والبادئات المخزّنة تتخطى العمل |
| TTFT | أبقِ الاتصالات مفتوحة، واستخدم منطقة قريبة | يزيل الإعداد ورحلات الذهاب والإياب |
| زمن أول رمز محتوى | خفّض جهد الاستدلال، أو استخدم نموذجًا لا يستدل للخطوات البسيطة | تفكير مخفي أقل قبل الإجابة |
| الرموز في الثانية | استخدم نموذجًا أصغر أو أسرع لهذه الخطوة | سرعة فك الترميز تعتمد على حجم النموذج وطريقة تشغيله |
| الزمن الكلي | اطلب مخرجات أقصر (مخططات، حدود للكلمات) | طول المخرجات يضاعف ITL |
| الزمن الكلي لاستدعاءات كثيرة | شغّل الاستدعاءات المستقلة بالتوازي ضمن حد [التزامن](https://broadrouter.com/ar/glossary/concurrency/) | ينخفض الزمن الفعلي رغم أن كل استدعاء كما هو |
| زمن الاستجابة المُدرَك | بُثّ الإجابة إلى المستخدم تدفقيًا | يقرأ بينما يكتب النموذج |

طول المخرجات هو أكثر الروافع التي يُستهان بها. فطلب «JSON بهذه الحقول الأربعة» بدلًا من «اشرح إجابتك» قد يختصر زمن التوليد بمرتبة عشرية كاملة دون أي عمل على البنية التحتية. وتساعد [المخرجات المنظَّمة](https://broadrouter.com/ar/glossary/structured-output/) هنا.

أما رافعة التخزين المؤقت فيتناولها مقال [بنية الأوامر للتخزين المؤقت](https://broadrouter.com/ar/blog/prompt-structure-for-caching/). ورافعة التوازي تصطدم بحدود المعدل سريعًا؛ راجع [معالجة أخطاء 429](https://broadrouter.com/ar/blog/handle-llm-api-429-rate-limits/).

## كيف يغيّر طول الأمر المفاضلة؟

يزداد TTFT مع طول الأمر لأن النموذج يجب أن يعالج كل رمز إدخال قبل أن يبدأ الكتابة. وهذه هي التكلفة الخفية للأوامر الطويلة جدًا، وجزء من قرار [السياق الطويل مقابل RAG](https://broadrouter.com/ar/blog/long-context-vs-rag/): فأمر من مليون رمز يجيب عن أسئلة لا يجيب عنها RAG، لكنه يبدأ أبطأ. وإن كانت السرعة التفاعلية مهمة، فأبقِ المسار الرئيسي قصيرًا وأرسل السياق الكبير فقط حين يحتاجه السؤال.

## أين يناسبك BroadNet Inference؟

تنشر BroadNet سرعة نموذجية تبلغ نحو 100 رمز في الثانية لنموذج خططها، وتبث الاستجابات بصيغة SSE القياسية، لذا تعمل الشيفرة أعلاه دون تعديل. ولا تنشر أرقامًا لـ TTFT ولا اتفاقيات مستوى خدمة لزمن الاستجابة، لذا قِس على أوامرك قبل أن تلتزم؛ فـ [ساعة من خطة الشهاب (Meteor)](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-llm-latency-ttft-throughput&utm_content=body) بسعر $1 تكفي لقياس من 50 تشغيلًا، ويغطي الرصيد الابتدائي قياسًا على Gemma 4 VL 26B. وإن احتجت زمن استجابة مضمونًا دون الثانية على نطاق واسع، فاختبر بعناية: يسمح مفتاح الدفع حسب الاستخدام بـ 4 طلبات قيد التنفيذ، وهذا يناسب التطبيقات والوكلاء أكثر من الخدمة الفورية عالية الحجم. النماذج وأسعارها في صفحتي [النماذج](https://broadrouter.com/ar/models/) و[الأسعار](https://broadrouter.com/ar/pricing/).

أدوات مجانية لهذا الموضوع (بالإنجليزية)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[أدوات مجانية (بالإنجليزية)](https://broadrouter.com/tools/)

## مصطلحات في هذا المقال

[الرمز (التوكن، Token)](https://broadrouter.com/ar/glossary/token/)

الرمز (التوكن) هو وحدة النص التي يقرؤها نموذج اللغة ويكتبها: كلمة، أو جزء من كلمة، أو علامة ترقيم، أو تسلسل بايتات ينتجه مجزّئ النموذج (tokenizer). وتَعُدّ واجهات LLM API الاستهلاك بالرموز، وتضع حدودها بها، وتحتسب تكلفتها بها عادةً.

[زمن أول رمز (TTFT)](https://broadrouter.com/ar/glossary/time-to-first-token/)

زمن أول رمز (TTFT) هو المدة من إرسال طلب إلى النموذج اللغوي حتى وصول أول رمز من المخرجات. ويشمل زمن الشبكة، والانتظار في طابور الخادم، والمعالجة المسبقة (prefill)، وهي الخطوة التي يقرأ فيها النموذج الأمر كاملًا، لذا يزداد مع طول الأمر والضغط على الخادم.

[زمن الاستجابة (Latency)](https://broadrouter.com/ar/glossary/latency/)

زمن الاستجابة (latency)، في واجهات API للنماذج اللغوية، هو المدة التي يستغرقها الطلب من لحظة إرساله حتى استلام آخر رمز من المخرجات. وهو مجموع زمن أول رمز وزمن التوليد، ويُذكر عادةً بالمئينات مثل p50 وp95 لا بالمتوسط.

[التزامن (Concurrency)](https://broadrouter.com/ar/glossary/concurrency/)

التزامن (concurrency) هو عدد الطلبات التي تكون لدى العميل قيد التنفيذ في الوقت نفسه. وكثيرًا ما تضع واجهات LLM API سقفًا له لكل مفتاح أو خطة، بمعزل عن عدد الطلبات في الدقيقة، لأن كل طلب مفتوح يشغل قدرة من وحدة GPU حتى تكتمل استجابته.

[الرموز في الثانية (TPS)](https://broadrouter.com/ar/glossary/tokens-per-second/)

الرموز في الثانية (TPS) هي معدل توليد النموذج اللغوي لرموز الإخراج، وتُقاس عادةً لطلب واحد بعد وصول أول رمز. وهي تحدّد سرعة تدفق الرد بعد بدئه. وحين تُجمع عبر كل الطلبات المتزامنة تصبح إنتاجية النظام؛ أما الانتظار قبل أول رمز فيُقاس منفصلًا.

[الإنتاجية (Throughput)](https://broadrouter.com/ar/glossary/throughput/)

الإنتاجية (throughput) في تقديم نماذج LLM هي إجمالي العمل الذي ينجزه النظام في وحدة الزمن عبر كل الطلبات المتزامنة، وتُقاس عادةً برموز الإخراج في الثانية أو الطلبات في الثانية. وهي تختلف عن سرعة التدفق الواحد، أي مدى سرعة وصول الرموز إلى طلب واحد.

[البث المتدفق (Streaming)](https://broadrouter.com/ar/glossary/streaming/)

البث المتدفق (streaming) طريقة لإرجاع استجابة النموذج اللغوي على أجزاء صغيرة أثناء توليدها، بدل إرجاعها ردًا واحدًا في النهاية. وتبث الواجهات المتوافقة مع OpenAI عبر أحداث يرسلها الخادم (server-sent events) حين يضبط الطلب stream على true.

[رموز الإدخال والإخراج (Input and output tokens)](https://broadrouter.com/ar/glossary/input-and-output-tokens/)

رموز الإدخال هي الرموز (التوكنات) التي يقرؤها نموذج اللغة في الطلب، ومنها أمر النظام وسجل المحادثة وتعريفات الأدوات والصور. ورموز الإخراج هي الرموز التي يولّدها في الرد، بما فيها الاستدلال المنطقي. وتسعّر واجهات LLM API كلًّا منهما على حدة عادةً، والإخراج أغلى في الغالب.

## أسئلة شائعة

### ما زمن أول رمز الجيد في LLM API؟

في المحادثة، أقل من ثانية تقريبًا مع الأوامر القصيرة يبدو سريع الاستجابة. أما الأوامر الطويلة ونماذج الاستدلال المنطقي فتستغرق وقتًا أطول بطبيعتها. لا تقارن TTFT إلا عند طول الأمر نفسه والنموذج نفسه.

### هل الرموز في الثانية هي نفسها الإنتاجية؟

ليس تمامًا. الرموز في الثانية لكل مستخدم هي سرعة تدفق إجابة واحدة. أما الإنتاجية فهي مجموع الرموز التي يولّدها الخادم لكل المستخدمين. وقد يرفع المزود الإنتاجية الكلية بينما تنخفض سرعة كل مستخدم.

### لماذا يرتفع TTFT كثيرًا في نموذج الاستدلال المنطقي؟

لأن النموذج يولّد رموز استدلال مخفية قبل الإجابة المرئية. قد يصل أول رمز بسرعة، لكن أول رمز محتوى ينتظر حتى ينتهي التفكير. خفّض reasoning\_effort للمهام البسيطة.

### هل يقلّل البث المتدفق زمن الاستجابة؟

لا يختصر الزمن الكلي. لكنه يتيح للمستخدم قراءة الإجابة وهي لا تزال تُكتب، فينخفض زمن الاستجابة المُدرَك إلى ما يقارب TTFT.

### كم طلبًا أحتاج لقياس موثوق لزمن الاستجابة؟

ما يكفي لرؤية الطرف الأقصى من التوزيع. من خمسين إلى مئة طلب لكل حجم أمر تعطي p95 صالحًا للاستخدام. وزّعها على مدار اليوم، لأن الحِمل يتغيّر.

## تابع القراءة

-   [شرح البث في LLM: مقاطع SSE والفروقات (delta) والاستخدام والإلغاء](https://broadrouter.com/ar/blog/llm-streaming-sse-explained/)
-   [كيف تبني الأوامر لتُخزَّن بادئتها مؤقتًا؟](https://broadrouter.com/ar/blog/prompt-structure-for-caching/)
-   [السياق الطويل أم RAG: متى تُغني مليون رمز عن قاعدة المتجهات؟](https://broadrouter.com/ar/blog/long-context-vs-rag/)
-   [عتاد GPU لدى BroadNet وطريقة تقديم النماذج، كما تصفها BroadNet](https://broadrouter.com/ar/blog/broadnet-gpu-fleet-and-serving/)
-   [تخزين استجابات LLM API مؤقتًا لخفض التكلفة: تطابق تام بـ Python](https://broadrouter.com/ar/blog/cache-llm-responses-cut-cost/)
-   [دليل: البث المتدفق لإكمال المحادثات والتعامل مع انقطاع الاتصال](https://broadrouter.com/ar/guides/streaming-chat-completions/)
-   [دليل: لماذا يعيد نموذج الاستدلال إجابة فارغة؟](https://broadrouter.com/ar/guides/reasoning-tokens-empty-response/)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-llm-latency-ttft-throughput&utm_content=page-cta) ·

**المصادر**

-   [دليل NVIDIA NIM لقياس الأداء، مقاييس زمن الاستجابة والإنتاجية في LLM (تاريخ المراجعة 2026-11-14)](https://docs.nvidia.com/nim/benchmarking/llm/metrics)
-   [خطط BroadNet Inference، السرعة النموذجية (تاريخ المراجعة 2026-11-15)](https://inference.broadnet.ai/ar/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-llm-latency-ttft-throughput&utm_content=sources)
-   [المرجع التقني لواجهة BroadNet Inference، البث المتدفق والاستدلال المنطقي (تاريخ المراجعة 2026-11-15) (بالإنجليزية)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-llm-latency-ttft-throughput&utm_content=sources)
-   [Baseten Inference Engineering، قياس زمن الاستجابة والإنتاجية (تاريخ المراجعة 2026-11-16)](https://www.baseten.co/inference-engineering/book/01-prerequisites/measuring-latency-and-throughput/)
