---
title: "LLM میں ٹوکن فی سیکنڈ (TPS) کیا ہے؟ | BroadRouter"
description: "ٹوکن فی سیکنڈ بتاتا ہے کہ LLM کتنی تیزی سے آؤٹ پٹ بناتا ہے۔ فی درخواست بمقابلہ سسٹم تھروپٹ، پہلے ٹوکن تک کا وقت، اور جواب میں لگنے والے وقت کا اندازہ۔"
url: https://broadrouter.com/ur/glossary/tokens-per-second/
lang: ur
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

یہ صفحہ انگریزی سے AI کی مدد سے ترجمہ کیا گیا ہے۔ [انگریزی اصل پڑھیں](https://broadrouter.com/glossary/tokens-per-second/) (اپ ڈیٹ: 2026-11-14).

# ٹوکن فی سیکنڈ (tokens per second، TPS)

اپ ڈیٹ 2026-11-14

ٹوکن فی سیکنڈ (TPS) وہ شرح ہے جس پر لینگویج ماڈل آؤٹ پٹ ٹوکن بناتا ہے، عموماً ایک درخواست کے پہلے ٹوکن کے بعد ناپی جاتی ہے۔ یہ طے کرتی ہے کہ جواب کتنی تیزی سے اسٹریم ہوگا۔ تمام بیک وقت درخواستوں کا مجموعہ سسٹم تھروپٹ ہے؛ پہلے ٹوکن سے پہلے کا انتظار الگ ناپا جاتا ہے۔

دوسرے نام: ٹوکن فی سیکنڈ، جنریشن کی رفتار، آؤٹ پٹ کی رفتار، tokens per second kya hai، TPS kya hai، tokens per second، TPS، tok/s، output speed، generation speed

رفتار کے دو حصے ہیں: کچھ بھی نظر آنے میں کتنا وقت لگتا ہے، اور اس کے بعد متن کتنی تیزی سے بہتا ہے۔ ٹوکن فی سیکنڈ دوسرا حصہ ناپتا ہے۔

## یہ کیسے کام کرتا ہے

NVIDIA کی بینچ مارکنگ دستاویزات اس سے جڑی میٹرکس کی تعریف کرتی ہیں:

-   **پہلے ٹوکن تک کا وقت (TTFT):** درخواست بھیجنے سے پہلا ٹوکن ملنے تک۔ یہ پرامپٹ کی لمبائی کے ساتھ بڑھتا ہے۔
-   **انٹر ٹوکن لیٹنسی (ITL):** آؤٹ پٹ ٹوکنز کے درمیان اوسط وقفہ۔
-   **فی یوزر TPS:** ایک درخواست کے آؤٹ پٹ ٹوکنز کو اس کے شروع سے آخر تک کے وقت سے تقسیم کرنا، اس لیے NVIDIA کی تعریف میں اس میں TTFT شامل ہے۔ کئی ڈیش بورڈز اس کے بجائے پہلے ٹوکن کے بعد کی ڈیکوڈ رفتار بتاتے ہیں، جیسا یہ صفحہ کرتا ہے۔
-   **سسٹم TPS:** تمام بیک وقت درخواستوں کے کل آؤٹ پٹ ٹوکن، جسے [تھروپٹ](https://broadrouter.com/ur/glossary/throughput/) بھی کہتے ہیں۔

یہ الٹی سمتوں میں کھنچتے ہیں۔ NVIDIA بتاتا ہے کہ [کنکرنسی](https://broadrouter.com/ur/glossary/concurrency/) بڑھنے پر سسٹم TPS بڑھتا ہے جبکہ فی یوزر TPS گھٹتا ہے۔ فراہم کنندہ کا مارکیٹنگ عدد اور آپ کی ایک درخواست کی رفتار، دونوں ایماندار ہو کر بھی مختلف ہو سکتے ہیں۔

ایک جواب کا فوری اندازہ:

`total time ≈ TTFT + output tokens ÷ tokens per second`

یعنی: کل وقت ≈ TTFT + آؤٹ پٹ ٹوکن ÷ ٹوکن فی سیکنڈ۔

مثال کے طور پر 50 ٹوکن فی سیکنڈ والی اسٹریم لیں: 1,000 ٹوکن کا جواب پہلے ٹوکن کے بعد تقریباً 20 سیکنڈ لیتا ہے۔ اگر ماڈل 2,000 [ریزننگ ٹوکن](https://broadrouter.com/ur/glossary/reasoning-tokens/) بھی لکھتا ہے تو جواب شروع ہونے سے پہلے تقریباً 40 سیکنڈ اور جوڑیں۔ [پہلے ٹوکن تک کا وقت](https://broadrouter.com/ur/glossary/time-to-first-token/) اس کے اوپر سے آتا ہے۔

## یہ کیوں اہم ہے

-   **یوزر کا تجربہ۔** [اسٹریمنگ](https://broadrouter.com/ur/glossary/streaming/) متن کو آتے ہی دکھاتی ہے، اس لیے TTFT اور TPS طے کرتے ہیں کہ جواب کتنا تیز محسوس ہوتا ہے۔
-   **ایجنٹ تھروپٹ۔** کوڈنگ ایجنٹ اگلے قدم سے پہلے ہر جواب کا انتظار کرتا ہے۔ تیز آؤٹ پٹ کا مطلب ہے فی گھنٹہ زیادہ قدم۔
-   **پلان کی حدیں۔** بغیر ٹوکن میٹر والے پلان پر رفتار ہی اصل حد بن جاتی ہے کہ آپ کتنے ٹوکن استعمال کر سکتے ہیں۔

## BroadNet Inference پر

BroadNet کا پلانز صفحہ DeepSeek V4.1 Flash کے لیے تقریباً 100 ٹوکن فی سیکنڈ کی عام رفتار بتاتا ہے۔ لامحدود پلانز کا ایک سیشن ایک وقت میں ایک درخواست چلاتا ہے، اس لیے اس رفتار پر 30 دن تک مسلسل جنریٹ کرنے والا سیشن تقریباً 259 ملین آؤٹ پٹ ٹوکن بنائے گا۔ اصل ایجنٹس پڑھنے، ٹولز چلانے اور انتظار میں وقت گزارتے ہیں، اس لیے عملی عدد کم ہوتا ہے۔

پلان پر کل تھروپٹ بڑھانے کے لیے سیشن شامل کریں: متوازی کام کرنے والے ہر ایجنٹ کے لیے ایک۔ دیکھیں [لامحدود سیشن کیسے کام کرتے ہیں](https://broadrouter.com/ur/guides/unlimited-llm-api-sessions/) اور [متوازی کوڈنگ ایجنٹس چلانا](https://broadrouter.com/ur/blog/run-parallel-coding-agents-flat-rate/)۔

## عام غلطیاں

-   ایک ہی درخواست پر فراہم کنندگان کا موازنہ کرنا۔ TTFT اور TPS کو کئی درخواستوں پر، اپنے پرامپٹ سائز کے ساتھ ناپیں۔
-   کلائنٹ ٹائم آؤٹ سیٹ کرتے وقت ریزننگ کا وقت بھول جانا۔

## عام سوالات

### ٹوکن فی سیکنڈ کا اچھا عدد کیا ہے؟

یہ استعمال پر منحصر ہے۔ چیٹ کا جواب تب تیز لگتا ہے جب متن لوگوں کے پڑھنے سے تیز آئے۔ ایجنٹس اور بیچ جابز کے لیے ہر ٹاسک کا کل وقت اور متوازی چلنے والی درخواستوں کی تعداد زیادہ اہم ہے۔

### کیا ٹوکن فی سیکنڈ میں پرامپٹ شامل ہے؟

عموماً نہیں۔ جنریشن کی رفتار آؤٹ پٹ ٹوکن گنتی ہے۔ پرامپٹ پڑھنے کا وقت پہلے ٹوکن تک کے وقت میں نظر آتا ہے، جو پرامپٹ کی لمبائی کے ساتھ بڑھتا ہے۔

### کیا ریزننگ ٹوکن جواب کو سست کرتے ہیں؟

ہاں۔ وہ نظر آنے والے آؤٹ پٹ کی رفتار سے ہی بنتے ہیں، اس لیے 2,000 ٹوکن تک سوچنے والا ماڈل جواب کو اتنی دیر مؤخر کرتا ہے جتنا ان ٹوکنز میں وقت لگتا ہے۔

## یہ بھی دیکھیں

-   [ٹوکن (token)](https://broadrouter.com/ur/glossary/token/) (اصطلاح)
-   [کنکرنسی (concurrency)](https://broadrouter.com/ur/glossary/concurrency/) (اصطلاح)
-   [اسٹریمنگ (streaming)](https://broadrouter.com/ur/glossary/streaming/) (اصطلاح)
-   [ریزننگ ٹوکن (reasoning tokens)](https://broadrouter.com/ur/glossary/reasoning-tokens/) (اصطلاح)
-   [تھروپٹ (throughput)](https://broadrouter.com/ur/glossary/throughput/) (اصطلاح)
-   [لیٹنسی (latency)](https://broadrouter.com/ur/glossary/latency/) (اصطلاح)
-   [پہلے ٹوکن تک کا وقت (TTFT، time to first token)](https://broadrouter.com/ur/glossary/time-to-first-token/) (اصطلاح)
-   [اسپیکیولیٹو ڈیکوڈنگ (speculative decoding)](https://broadrouter.com/ur/glossary/speculative-decoding/) (اصطلاح)
-   [chat completions اسٹریم کریں اور ٹوٹے کنکشن سنبھالیں](https://broadrouter.com/ur/guides/streaming-chat-completions/) (گائیڈ)
-   [ایجنٹس کے لیے لامحدود LLM API پلانز کیسے کام کرتے ہیں](https://broadrouter.com/ur/guides/unlimited-llm-api-sessions/) (گائیڈ)
-   [مقررہ قیمت بمقابلہ فی ٹوکن ادائیگی والا LLM API: بریک ایون کا حساب](https://broadrouter.com/ur/blog/flat-rate-vs-pay-per-token-llm-api/) (مضمون)
-   [مقررہ قیمت والے LLM API پر متوازی کوڈنگ ایجنٹس کیسے چلائیں](https://broadrouter.com/ur/blog/run-parallel-coding-agents-flat-rate/) (مضمون)

اسے اپنے اصل کام پر آزمائیں۔ نئے اکاؤنٹس Gemma اور ٹرانسکرپشن کے لیے US$5 کے کریڈٹ سے شروع ہوتے ہیں۔ DeepSeek، GLM، اور Qwen3.8 کے لیے ٹاپ اپ ضروری ہے۔

[شروع کریں](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-glossary-tokens-per-second&utm_content=page-cta) ·

**ذرائع**

-   [NVIDIA NIM، LLM انفرنس بینچ مارکنگ میٹرکس (TTFT، ITL، TPS)](https://docs.nvidia.com/nim/benchmarking/llm/latest/metrics.html)
-   [BroadNet Inference پلانز (عام رفتار) (انگریزی میں)](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=ur-glossary-tokens-per-second&utm_content=sources)
