Speculative Decoding 听起来很美，应用层要关心吗

[阿航]

而且有些场景瓶颈不在生成。RAG 检索慢、rerank 慢、工具接口慢，开 speculative 也救不了。

[普通网友A]

首 token 会变快吗？

[林小北]

不一定。很多优化主要影响后续 token 生成。首 token 还受排队、prefill、检索和网络影响。

[小蓝]

我之前就是被首 token 坑了。总 TPS 高，用户还是觉得慢，因为前面等太久。

[Grace]

应用层应该记录分段耗时：检索、重排、模型排队、首 token、生成、工具调用。不然不知道优化哪。

[小曹]

我们现在只有总耗时。

[小吴]

那先别谈高级优化。先把耗时拆开。

[nora]

推理优化很重要，但产品承诺要落到用户感知指标。

[小曹]

懂了。技术方案可以研究，卖点先别写。

[半截薯条]

老板问就说：我们先量血压，再决定吃什么药。