冻结主张与用户可见结果
- 判断问题
- “快”指首词元时间、每输出词元时间、序列完成、获得可用答案还是完成真实行动；“可靠”指收到响应、结果正确、副作用持久还是服务可用？
- 最低证据
- 逐字主张、主张者、日期、目标用户、任务与模型版本、准确的时延及可靠性术语、成功判定、质量底线、地域与决定情境。
- 停止条件
- 一个未标注数字混合首次响应与完整完成，或把 HTTP 响应当作正确且持久的结果时停止。
快响应不自动等于好结果或可靠服务
时延只有与质量、负载、失败和完成语义共同报告时，才具有读者可用的含义。
同一系统可以同时拥有更快的首词元、更慢的完整结果、更高的尾部时延和更低的完成率。评估必须从用户等待什么开始，贯穿端到端时钟、生产负载与失败分母，再回到可比较且会到期的结论。
适用边界本页是公共研究方法，不代表 FUURAA 或 FUUVO 产品能力，也不评价任何模型、供应商、云平台、基准或监控工具；不构成可用性保证、SLA、认证、审计、采购、投资、法律或合规意见。
六道可拒绝的证据门
每道门都回答一个判断问题、要求最低证据，并在关键未知时停止比较或缩小结论。
绑定工作负载、质量与完成语义
- 判断问题
- 哪些输入输出长度、模态、工具、检索步骤、语言、安全设置与质量要求定义可比工作；何时准确算完成或失败？
- 最低证据
- 工作负载清单、数据集与抽样规则、提示及输出特征、工具图、质量评估、拒答策略、超时、取消、部分结果与副作用规则。
- 停止条件
- 更短输出、更简单提示、停用工具、缓存命中或降低质量在未披露情况下制造速度优势时停止。
画出端到端计时边界
- 判断问题
- 时钟从何处开始和停止；客户端、网络、队列、模型、工具、重试与渲染中哪些被纳入；时钟是否单调且可比较？
- 最低证据
- 客户端与服务器时间戳、时间原点、单调时钟方法、追踪标识、阶段跨度、排队时间、网络地域、流事件、缓存状态、重试与时钟同步限制。
- 停止条件
- 服务器处理时间被当作用户时延、直接相减未同步时钟，或队列、网络、工具与重试时间静默消失时停止。
复现负载与运行状态
- 判断问题
- 结果是在何种并发、到达模式、持续时间、地域、硬件、软件、批处理、配额、缓存与冷启动状态下产生？
- 最低证据
- 到达分布、并发、输入与完成负载、运行时长、预热、软硬件版本、自动扩缩状态、批处理、配额、缓存策略、地域与重复运行。
- 停止条件
- 单个空闲请求支撑生产吞吐主张、输入负载超过完成工作却未披露，或冷热运行混合时停止。
共同测量分布、失败与降级
- 判断问题
- 中位数与尾部百分位、置信度和样本量是多少；错误、超时、重试、取消、丢弃请求、部分回答与质量失败如何计入？
- 最低证据
- 原始事件记录、样本量、p50／p90／p95／p99 与最大值、不确定性、成功及良好事件比例、错误分类、超时与重试数、排除事件及联合时延—质量结果。
- 停止条件
- 平均值隐藏尾部、失败或取消请求从分母消失、重试重置时钟，或快速低质量回答被当作良好事件时停止。
同类比较并设定到期
- 判断问题
- 系统是否共享相同工作负载、质量底线、测量边界、流量与日期；何种模型、路由、容量、地域或策略变化要求重测？
- 最低证据
- 配对协议、随机化、重复时段、差异与不确定性、成本及能源权衡、重大变更记录、核对日期、到期与明确复核责任人。
- 停止条件
- 基准与生产结果被共同排名、质量或流量不同、重叠不确定性被忽略，或旧结果跨越重大系统变化时停止。
最低时延与可靠性主张失效矩阵
主动检查这些情形，才能发现漂亮平均值背后的计时边界、尾部、失败分母与质量错误。
- 01标题宣称“秒级以内”，实际只报告首词元时间
记录受影响的用户、工作负载、阶段、流量、失败与决定；保留仍成立的最窄陈述，并明确需要重测、调整分母、拆分场景还是撤回结论。
- 02服务器处理时间排除客户端、网络、队列、工具与渲染时间
记录受影响的用户、工作负载、阶段、流量、失败与决定；保留仍成立的最窄陈述，并明确需要重测、调整分母、拆分场景还是撤回结论。
- 03平均值保持较低，但 p99、超时或取消率恶化
记录受影响的用户、工作负载、阶段、流量、失败与决定；保留仍成立的最窄陈述，并明确需要重测、调整分母、拆分场景还是撤回结论。
- 04失败、限流、丢弃或重试请求从分母消失
记录受影响的用户、工作负载、阶段、流量、失败与决定；保留仍成立的最窄陈述，并明确需要重测、调整分母、拆分场景还是撤回结论。
- 05缓存热状态的单次请求被外推到并发生产流量
记录受影响的用户、工作负载、阶段、流量、失败与决定；保留仍成立的最窄陈述，并明确需要重测、调整分母、拆分场景还是撤回结论。
- 06一个系统返回更短或更低质量输出，却被称为更快
记录受影响的用户、工作负载、阶段、流量、失败与决定；保留仍成立的最窄陈述，并明确需要重测、调整分母、拆分场景还是撤回结论。
- 07HTTP 200 或流完成被当作语义正确或持久成功
记录受影响的用户、工作负载、阶段、流量、失败与决定；保留仍成立的最窄陈述，并明确需要重测、调整分母、拆分场景还是撤回结论。
- 08带日期结果跨越模型、路由、配额、地域或容量变化继续使用
记录受影响的用户、工作负载、阶段、流量、失败与决定；保留仍成立的最窄陈述，并明确需要重测、调整分母、拆分场景还是撤回结论。
最低时延与可靠性评估记录
让下一位复核者能够重建同一运行条件下的时延分布、完成率与比较边界。
- 01逐字主张、主张者、发布日期、目标用户与决定
- 02模型、服务、路由与工具版本，以及地域和测量日期
- 03工作负载、抽样、输入输出特征、模态与语言
- 04质量底线、成功判定、拒答、超时、取消与副作用规则
- 05时钟起止、测量位置、时间原点、追踪及纳入阶段
- 06到达模式、并发、时长、预热、缓存、批处理与配额
- 07输入、完成与良好事件数量，以及错误、丢弃、重试与排除项
- 08p50、p90、p95、p99、最大值、吞吐、可用性与不确定性
- 09配对比较、重复时段、质量、成本与能源权衡
- 10有支持的主张、溯源、核对日期、到期、变更触发器与责任人
统一证据状态
把结论绑定到工作负载、质量、计时边界、流量、失败分母与日期，而不是“毫秒级”标签或单一平均值。
带日期主张在声明的工作负载、质量、计时边界、流量、地域与可靠性分母下获得支持。
结果仅对明确场景有用，例如热缓存、单一地域、特定并发范围或输出特征。
典型时延改善，但尾部时延、完成率、质量、可靠性、成本或能源恶化，或结果随工作负载显著变化。
缺少工作负载、计时边界、分布、失败、质量、运行状态、不确定性或日期。
FUURAA 分析AI 时延与可靠性主张的最小判断单位是“用户可见结果 × 工作负载与质量底线 × 端到端计时边界 × 流量与运行状态 × 时延分布和失败分母 × 地域与截止日期”。任何只展示最佳值、平均值或首词元时间的主张，都不能独立说明完整体验；任何排除失败请求的速度统计，也不能说明可靠性。FUURAA 建议把速度与良好事件比例联合记录，并让每项结论可复现、可拒绝、会到期。
一手来源与不可外推边界
这些来源分别约束统计目标、推理场景、尾部时延、服务级指标、服务器计时与 HTTP 结果语义；没有任何单项能独立证明 AI 服务“快且可靠”。
来源于 2026 年 8 月 24 日重新核对。每项保留发布日期、在本方法中的作用与不可外推边界。
2026 年 2 月 17 日发布NIST AI 800-3 — Expanding the AI Evaluation Toolbox with Statistical Models
区分明确定义的性能测量目标，并说明为何必须报告评估假设、抽样与不确定性。
边界其示例针对基准准确率而非时延或可用性；本指南仅迁移统计纪律，不迁移准确率估计方法。
打开一手来源 ↗2019 年 11 月 6 日首次提交MLCommons and collaborators — MLPerf Inference Benchmark定义架构中立、具有代表性且可复现的推理基准方法，包含场景化负载、性能规则与质量约束。
边界受控基准结果不是生产 SLO，也不覆盖供应商网络、队列、工具、重试、区域容量或变化的用户流量。
打开一手来源 ↗2013 年发表于《Communications of the ACM》Google Research — The Tail at Scale解释在规模化系统中少量慢组件如何主导端到端响应，以及为何扇出服务必须关注尾部百分位。
边界论文提供分布式系统机制与示例；它不规定通用可接受时延，也不证明任何当前 AI 服务具备尾部容忍能力。
打开一手来源 ↗2016 年收录于《Site Reliability Engineering》Google SRE Book — Service Level Objectives定义时延、错误率、吞吐量、可用性与正确性的服务级指标和目标，强调分布及贴近用户的测量位置。
边界SLO 设计是运行方法，不是保证、SLA、认证或通用目标；每项服务都必须定义自身的有效事件、窗口与用户。
打开一手来源 ↗工作草案，2026 年 4 月 7 日W3C — Server Timing定义服务器如何向用户代理暴露请求—响应性能指标，并明确避免在时钟不同步时作无依据的开始时间归因。
边界它是草案状态的传输与浏览器接口，不是完整可观测系统；服务器选择的指标可能遗漏队列、客户端工作、中间层与失败请求。
打开一手来源 ↗互联网标准，2022 年 6 月IETF RFC 9110 — HTTP Semantics定义请求方法、响应状态类别、与重试相关的语义，以及收到响应与实现预期应用结果之间的区别。
边界HTTP 状态与传输完成不能证明语义正确、持久副作用、用户可见成功、AI 输出质量或服务可用性。
打开一手来源 ↗继续核对