一句话定义：预置吞吐（Provisioned Throughput）就是按时间买断一份固定的模型推理容量——通常按小时或按月付费，用不用都照付，换来的是可预期的速度和稳定性。
原理，打个比方：默认的按量付费（pay-as-you-go，常按 token 结算）像打车，一次一结，便宜灵活，但下雨天可能叫不到车。预置吞吐像给团队包下一辆班车：这条车道归你，别人挤不进来，发车时间可预期，代价是空跑也照样付钱。你买的不是"多少 token"，而是"每秒能处理多少 token"这个容量（吞吐量，throughput），所以负载低的时候，那份容量就在白白闲置。
和相邻概念的区别：
- 按 token 现付：按实际用量结算，闲置几乎零成本，但高峰期可能被限流、延迟抖动。
- 批处理（batch）：用等待换便宜，时效性差，和预置追求低延迟正好相反。
- 速率限制（rate limit）/配额：说的是"你不许超过多少"；预置承诺的是"你至少有多少"，方向相反。
- 自动扩缩容：解决弹性，但不预留、不承诺。
| 维度 | 按 token 现付 | 预置吞吐 |
|---|---|---|
| 计费依据 | 实际用量 | 预留容量 × 时长 |
| 闲置成本 | 几乎为零 | 全额照付 |
| 高峰期表现 | 可能排队、抖动 | 相对可控 |
| 适合负载 | 低频、突发、试水 | 稳定高负载、延迟敏感 |
什么时候真的划算：只看一条——预置的容量在一个计费周期里被用得够不够满。如果按量账单在大部分时段都稳定压着某个水平，峰值又经常撞上限流或延迟变差，那预置通常更省心也更省钱；如果流量是白天高、夜里归零，或者只在活动期爆发，利用率上不去，买预置就是替空闲时间买单。还要留意预置往往带承诺期，业务下滑时退出成本不低。
实际意义：这本质是一道容量规划题，和当年"自己买服务器"还是"租云主机"是同一种取舍。做决定前看三件事：峰均比、延迟是否影响体验、增长是否可预测。各家最小购买单位、能否叠加、能否临时扩容的规则不同，以官方页面为准。对普通职场人来说，知道某个功能是"包月买断"的，就能理解为什么闲时也不关、为什么临时换更大模型试水没那么随意。