--- title: "TTFT（Time to First Token） とは？主要モデルの体感速度を左右する指標の読み方。 | AI用語集 - ai-garage" description: "TTFT（Time to First Token）（最初のトークンまでの時間）を初心者向けにやさしく解説。主要モデルの体感速度を左右する指標の読み方。質問を送ってからAIが最初の1文字を返すまでの時間（目安0.3〜2.0秒）。 「質問 → 最初の文字」までの所要時間（ミリ秒）" source: https://ai-garage.jp/glossary/ttft/ --- 技術 # TTFT（Time to First Token）とは？ 最終更新 2026年10月9日 （公開 2026年7月6日） 別名: 最初のトークンまでの時間 / 初回応答遅延 主要モデルの体感速度を左右する指標の読み方。質問を送ってからAIが最初の1文字を返すまでの時間（目安0.3〜2.0秒）。 ⚡ 30秒でわかる ## TTFT（Time to First Token） の主なポイント - 1 「質問 → 最初の文字」までの所要時間（ミリ秒） - 2 0.3〜2.0 秒が一般的、0.5 秒以下なら「速い」体感 - 3 推論モデル（初期の o1 や、いまの GPT-6 系・Claude で考える量を多くしたとき）は数秒〜数十秒（考える時間） - 4 サーバ立地・モデルサイズ・入力長で変動 - 5 体感速度を支配する、TPS よりも UX に効く指標 📖 詳しく ## TTFT（Time to First Token） とは TTFT（Time to First [Token](https://ai-garage.jp/glossary/token/)）は、ユーザーが質問を送ってから AI モデルが最初のトークンを生成するまでの時間です。 単位はミリ秒（ms）または秒。一般的に 0.3〜2.0 秒の範囲。 人間は「動き出すまで」を体感速度として記憶するため、TTFT が短いとモデルが「速い」「賢い」と感じます。 Streaming（逐次表示）対応のチャット UI では TTFT がそのまま体感品質に直結します。 逆に「最終回答までの総時間」は TTFT + (出力長 ÷ TPS) で決まります。 ❓ FAQ ## よくある質問 Q. TTFT が長いとどんな問題がある？ A. ユーザーが『動かないな』とフラストレーションを感じます。チャット用途では 1 秒を超えると体感が悪くなり、 コールセンター系のリアルタイム応用では 500 ms 以下が要件になることが多い。 Q. 推論モデルの TTFT はなぜ長い？ A. o1 に始まる『推論モデル』（いまの GPT-6 系や Claude の適応型思考、Gemini Deep Think など）は、 答える前に内部で長く考えるため TTFT が数秒〜数十秒に伸びます。 その代わり最終回答の精度が大幅に向上するトレードオフです。 Q. TTFT を改善する方法は？ A. Edge にデプロイされた API（Cerebras・Groq など）を選ぶ、 プロンプトキャッシュを活用する、入力プロンプトを短くする、軽量モデルに切り替える、などが代表的です。 🔗 関連 ## あわせて読みたい 関連用語 [推論モデル](https://ai-garage.jp/glossary/reasoning-model/) 関連 AI モデル [Gemini — Google Google 製。Gmail / Docs との連携と、100万トークンの長文＋画像・動画・音声の読み取りが持ち味。一般に使える最新は 3.8 Flash（次世代の Gemini 4 Argon は 2026-09-30 に発表されたが、いまはサイバー防御の組織だけに限定提供）。](https://ai-garage.jp/models/gemini/)[ChatGPT — OpenAI AIブームの火付け役。2026-10-07 からチャットが GPT-6 になり、Plus 以上は GPT-6 Sol、無料・Go は 10/8 から順次 GPT-6 Luna。最上位は GPT-6 Astra で、改良版の GPT-6.1 Sol は Work（エージェント機能）と Codex で使える。画像・音声まで一つで完結。](https://ai-garage.jp/models/chatgpt/)[Claude — Anthropic 長文・コード・推論で定評。主力は 9/22 に出た Opus 5.5（API の公式ドキュメントは迷ったらこれと案内）、重い推論や長時間の自走には Fable 5.1、日常使いは 9/28 に出た Sonnet 5.5、軽量は 10/7 に出た Haiku 5.5。](https://ai-garage.jp/models/claude/) 📎 SOURCES ## 一次ソース - [→ Artificial Analysis – Latency Benchmarks](https://artificialanalysis.ai/) - [→ Artificial Analysis – Methodology](https://artificialanalysis.ai/methodology) 技術 カテゴリの用語 [Attention（注意機構）](https://ai-garage.jp/glossary/attention/)[Diffusion Model（拡散モデル）](https://ai-garage.jp/glossary/diffusion/)[Embeddings（埋め込みベクトル）](https://ai-garage.jp/glossary/embeddings/)[LoRA](https://ai-garage.jp/glossary/lora/)[max_tokens（出力の上限設定）](https://ai-garage.jp/glossary/max-tokens/)[Mixture of Experts（MoE）](https://ai-garage.jp/glossary/mixture-of-experts/)[RAG（検索拡張生成）](https://ai-garage.jp/glossary/rag/)[TPS（Tokens Per Second）](https://ai-garage.jp/glossary/tps/)[Transformer](https://ai-garage.jp/glossary/transformer/)[ファインチューニング](https://ai-garage.jp/glossary/fine-tuning/)[ベクトルDB](https://ai-garage.jp/glossary/vector-db/)[マルチモーダル](https://ai-garage.jp/glossary/multimodal/)[音声クローン](https://ai-garage.jp/glossary/voice-clone/)[音声認識（STT）](https://ai-garage.jp/glossary/speech-to-text/)[強化学習](https://ai-garage.jp/glossary/reinforcement-learning/)[蒸留（Distillation）](https://ai-garage.jp/glossary/distillation/)[量子化](https://ai-garage.jp/glossary/quantization/) [← 前の用語 Transformer](https://ai-garage.jp/glossary/transformer/) [次の用語 → ファインチューニング](https://ai-garage.jp/glossary/fine-tuning/) NEXT [FOR BEGINNERS AI初心者ガイド 用語が多くて混乱したら、まず全体像から。AI初心者が「何から始める？」を5分で。](https://ai-garage.jp/beginners/) [GLOSSARY AI用語集 一覧へ 96語をカテゴリ・検索で引ける。気になる用語をまとめてチェック。](https://ai-garage.jp/glossary/)