端点与本地测速

慢分两种：链路慢和模型慢。这两种的处理方式完全不同，先测出来是哪一种再动手。

下面的脚本都基于 curl，macOS / Linux 自带，Windows 建议在 WSL 或 Git Bash 里跑。/v1/models 不计费，适合反复测链路。

端点一览

全部挂在 https://chuanapi.com 下：

路径	用途
/v1/chat/completions	OpenAI Chat Completions，兼容面最广
/v1/responses	OpenAI Responses，部分推理模型能力更完整
/v1/messages	Anthropic Messages，Claude Code 与 Anthropic SDK 走这里
/v1/models	列出当前密钥可见的模型

注意 SDK 的 base URL 写法不同：OpenAI 系带 /v1，Anthropic 系不带。详见使用 Anthropic SDK。

测连接延迟

先测不含模型推理的纯链路耗时：

# 连接层延迟：DNS、TCP、TLS、首字节
curl -o /dev/null -s -w \
'dns:      %{time_namelookup}s
tcp:      %{time_connect}s
tls:      %{time_appconnect}s
ttfb:     %{time_starttransfer}s
total:    %{time_total}s
' https://chuanapi.com/v1/models \
  -H "Authorization: Bearer $WANCHUAN_API_KEY"

单次结果波动大，跑十次看中位数更有意义：

# 连打 10 次，看中位数而不是单次
for i in $(seq 1 10); do
  curl -o /dev/null -s -w "%{time_total}\n" https://chuanapi.com/v1/models \
    -H "Authorization: Bearer $WANCHUAN_API_KEY"
done | sort -n | awk '{a[NR]=$1} END {print "median:", a[int(NR/2)+1]"s"}'

测首字延迟

首字延迟（TTFT）决定了用户「感觉快不快」。开流式后测到第一个字节的时间：

# 首字延迟（TTFT）：从发出请求到收到第一个 token
curl -N -s -o /dev/null -w "ttft(approx): %{time_starttransfer}s\n" \
  https://chuanapi.com/v1/chat/completions \
  -H "Authorization: Bearer $WANCHUAN_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MODEL_ID",
    "messages": [{"role": "user", "content": "说一个字"}],
    "stream": true,
    "max_tokens": 16
  }'

把 MODEL_ID 换成模型目录里的真实 id。注意这次会产生少量计费。

怎么读这些数字

tls 减去 tcp 明显偏大：握手慢，通常是网络路径问题。换网络环境或部署到离网关更近的地方会有明显改善。
/v1/models 很快，但对话请求的 ttft 很慢：链路没问题，慢在模型侧。换一个更轻的模型，或缩短输入上下文。
两者都慢：先解决链路。链路没修好之前，换模型不会有帮助。
偶发极慢：可能撞上了上游抖动或限流。看返回状态码，429 的处理方式见错误码。

推理类模型的 TTFT 天然就长——它要先想再答。选型时建议同时比较 TTFT 和总时长，别只看其中一个。

端点一览

测连接延迟

测首字延迟

怎么读这些数字

相关文档