详细解释
每分钟输出 Token 数（Output Tokens Per Minute，OTPM） 专门统计”模型吐给你”的 Token 数量。和 ITPM 不同，OTPM 的上限通常更低——因为逐 Token 自回归生成需要持续的 GPU 算力，成本比”读入”高得多。
典型场景中 OTPM 是瓶颈：
- 长文写作：一次生成 8,000–16,000 Token
- 代码补全 / 代码翻译：逐行生成大量代码 Token
- 报告摘要输出：结构化报告动辄几千字
OTPM 与 TPS 的关系
OTPM 是 60 秒维度的”总量桶”，而 TPS（每秒 Token 数）是实时的”流速”。两者可以换算：
TPS ≈ OTPM ÷ 60
例如 OTPM 为 400,000 → 理论平均生成速度约 6,666 TPS（注意这是并发多请求的总和，不是单请求的速度）。
唯元智创（Weimeta）控制台在模型详情页同时展示 OTPM 配额和平均 TPS，方便评估生成类任务的承载能力。
OTPM 为什么比 ITPM 更难”绕”
- 缓存几乎帮不上忙：输出 Token 不可能提前缓存（每次回答都不同）。
- 节流手段有限：只能通过缩短 max_tokens、降低输出长度、把长任务拆分到多个请求。
常见问题
OTPM 打满时用户体验会怎样？
流式输出（stream）会出现”卡顿”——字一个一个往外蹦的速度明显下降；非流式请求会直接返回 429 并带 retry-after 头。