---
title: "ما هي الرموز في الثانية (TPS) في استدلال نماذج LLM؟ | BroadRouter"
description: "تقيس الرموز في الثانية سرعة توليد نموذج LLM لمخرجاته. الفرق بين سرعة الطلب الواحد وإنتاجية النظام، وزمن أول رمز، وكيف تقدّر مدة الرد."
url: https://broadrouter.com/ar/glossary/tokens-per-second/
lang: ar
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/glossary/tokens-per-second/) (حُدّث في 2026-11-14).

# الرموز في الثانية (TPS)

آخر تحديث 2026-11-14

الرموز في الثانية (TPS) هي معدل توليد النموذج اللغوي لرموز الإخراج، وتُقاس عادةً لطلب واحد بعد وصول أول رمز. وهي تحدّد سرعة تدفق الرد بعد بدئه. وحين تُجمع عبر كل الطلبات المتزامنة تصبح إنتاجية النظام؛ أما الانتظار قبل أول رمز فيُقاس منفصلًا.

يُسمّى أيضًا: الرموز في الثانية، التوكنات في الثانية، سرعة التوليد، سرعة المخرجات، سرعة النموذج، TPS، tokens per second، tok/s، output speed، generation speed

للسرعة جزءان: كم يمر من الوقت قبل أن يظهر أي شيء، ومدى سرعة تدفق النص بعد ذلك. والرموز في الثانية تقيس الجزء الثاني.

## كيف تعمل

يعرّف توثيق قياس الأداء لدى NVIDIA المقاييس المرتبطة:

-   **زمن أول رمز (TTFT):** من إرسال الطلب حتى استلام أول رمز. ويزداد بطول الأمر.
-   **الزمن بين الرموز (ITL):** متوسط الفاصل بين رموز الإخراج.
-   **TPS لكل مستخدم:** رموز الإخراج لطلب واحد مقسومةً على زمنه من البداية إلى النهاية، فهو في تعريف NVIDIA يشمل TTFT. لكن لوحات قياس كثيرة تذكر بدلًا منه سرعة فك الترميز بعد أول رمز، كما تفعل هذه الصفحة.
-   **TPS للنظام:** إجمالي رموز الإخراج عبر كل الطلبات المتزامنة، ويُسمّى أيضًا [الإنتاجية](https://broadrouter.com/ar/glossary/throughput/).

وهذه المقاييس تتجه في اتجاهين متعاكسين. إذ تلاحظ NVIDIA أنه مع ارتفاع [التزامن](https://broadrouter.com/ar/glossary/concurrency/)، يرتفع TPS للنظام بينما ينخفض TPS لكل مستخدم. فقد يكون الرقم التسويقي للمزوّد وسرعة طلبك الواحد صادقين كلاهما ومع ذلك مختلفين.

تقدير سريع لرد واحد:

`total time ≈ TTFT + output tokens ÷ tokens per second` (أي: الزمن الكلي ≈ زمن أول رمز + رموز الإخراج ÷ الرموز في الثانية)

خذ على سبيل التوضيح تدفقًا بسرعة 50 رمزًا في الثانية: تستغرق إجابة من 1,000 رمز نحو 20 ثانية بعد أول رمز. وإن كتب النموذج أيضًا 2,000 من [رموز الاستدلال](https://broadrouter.com/ar/glossary/reasoning-tokens/)، فأضف نحو 40 ثانية قبل أن تبدأ الإجابة. ويُضاف [زمن أول رمز](https://broadrouter.com/ar/glossary/time-to-first-token/) فوق ذلك.

## لماذا تهم

-   **تجربة المستخدم.** يعرض [البث المتدفق](https://broadrouter.com/ar/glossary/streaming/) النص فور وصوله، لذا يحدّد TTFT وTPS مدى سرعة الرد كما يشعر بها المستخدم.
-   **إنتاجية الوكلاء.** ينتظر وكيل البرمجة كل رد قبل خطوته التالية. والمخرجات الأسرع تعني خطوات أكثر في الساعة.
-   **حدود الخطط.** في خطة بلا عدّاد للرموز، تصبح السرعة هي السقف الحقيقي لعدد الرموز التي يمكنك استخدامها.

## في BroadNet Inference

تذكر صفحة الخطط لدى BroadNet سرعة معتادة قدرها نحو 100 رمز في الثانية لنموذج DeepSeek V4.1 Flash. والجلسة في الخطط غير المحدودة تشغّل طلبًا واحدًا في كل مرة، فبهذه السرعة، الجلسة التي تولّد دون توقف لمدة 30 يومًا ستُنتج نحو 259 مليون من رموز الإخراج. لكن الوكلاء الفعليين يقضون وقتًا في القراءة وتشغيل الأدوات والانتظار، لذا يكون الرقم العملي أقل.

وللحصول على إنتاجية إجمالية أعلى في الخطة، أضف جلسات: جلسة لكل وكيل يعمل بالتوازي. راجع [كيف تعمل الجلسات غير المحدودة](https://broadrouter.com/ar/guides/unlimited-llm-api-sessions/) و[تشغيل وكلاء برمجة متوازين](https://broadrouter.com/ar/blog/run-parallel-coding-agents-flat-rate/).

## أخطاء شائعة

-   مقارنة المزوّدين بطلب واحد. قِس TTFT وTPS على طلبات كثيرة، بأحجام أوامرك أنت.
-   نسيان زمن الاستدلال عند ضبط مهلات العميل.

## أسئلة شائعة

### ما الرقم الجيد للرموز في الثانية؟

يعتمد على الاستخدام. فرد المحادثة يبدو سريع الاستجابة حين يظهر النص أسرع مما يقرأ الناس. أما الوكلاء ومهام الدُّفعات فيهمّها أكثر إجمالي الوقت لكل مهمة وعدد الطلبات التي تجري بالتوازي.

### هل تشمل الرموز في الثانية الأمر المُدخَل؟

عادةً لا. سرعة التوليد تَعُدّ رموز الإخراج. أما قراءة الأمر فتظهر في زمن أول رمز، الذي يزداد بطول الأمر.

### هل تبطئ رموز الاستدلال الإجابة؟

نعم. فهي تُولَّد بالسرعة نفسها التي تُولَّد بها المخرجات الظاهرة، لذا فإن النموذج الذي يفكّر في 2,000 رمز يؤخّر الإجابة بقدر الوقت الذي تستغرقه هذه الرموز.

## انظر أيضًا

-   [الرمز (التوكن، Token)](https://broadrouter.com/ar/glossary/token/) (مصطلح)
-   [التزامن (Concurrency)](https://broadrouter.com/ar/glossary/concurrency/) (مصطلح)
-   [البث المتدفق (Streaming)](https://broadrouter.com/ar/glossary/streaming/) (مصطلح)
-   [رموز الاستدلال المنطقي (Reasoning tokens)](https://broadrouter.com/ar/glossary/reasoning-tokens/) (مصطلح)
-   [الإنتاجية (Throughput)](https://broadrouter.com/ar/glossary/throughput/) (مصطلح)
-   [زمن الاستجابة (Latency)](https://broadrouter.com/ar/glossary/latency/) (مصطلح)
-   [زمن أول رمز (TTFT)](https://broadrouter.com/ar/glossary/time-to-first-token/) (مصطلح)
-   [فك الترميز التخميني (Speculative decoding)](https://broadrouter.com/ar/glossary/speculative-decoding/) (مصطلح)
-   [البث المتدفق لإكمال المحادثات والتعامل مع انقطاع الاتصال](https://broadrouter.com/ar/guides/streaming-chat-completions/) (دليل)
-   [كيف تعمل خطط LLM API غير المحدودة مع الوكلاء](https://broadrouter.com/ar/guides/unlimited-llm-api-sessions/) (دليل)
-   [LLM API بسعر ثابت أم الدفع لكل رمز؟ حساب نقطة التعادل](https://broadrouter.com/ar/blog/flat-rate-vs-pay-per-token-llm-api/) (مقال)
-   [كيف تشغّل وكلاء برمجة متوازيين على LLM API بسعر ثابت](https://broadrouter.com/ar/blog/run-parallel-coding-agents-flat-rate/) (مقال)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-glossary-tokens-per-second&utm_content=page-cta) ·

**المصادر**

-   [NVIDIA NIM، مقاييس قياس أداء استدلال LLM (TTFT وITL وTPS)](https://docs.nvidia.com/nim/benchmarking/llm/latest/metrics.html)
-   [خطط BroadNet Inference (السرعة المعتادة)](https://inference.broadnet.ai/ar/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-glossary-tokens-per-second&utm_content=sources)
