在使用大语言模型时，我们通常对“速度”有两种感知：一是提出问题后第一个字符出现所需的时间；二是响应开始后生成的文本是否流畅。这类似于与人的对话：你提出问题后，对方可能会在开口前停顿。首字延迟（Time to First Token, TTFT）衡量的是这种“开口前的等待时间”。我们可以从以下三个角度对此进行清晰阐释。