实测发现：利用流式响应的首字节时间差，可快速识别 Grok 是否触发“降智”

近日有开发者实测发现，Grok 的免费接口在特定情况下会触发模型“降智”。当用户遇到 IP 质量问题或触及免费额度上限时（错误码 `subscription:free-usage-exhausted` 显示滚动窗口限制为 50 万 Token），系统可能不会直接报错，而是切换至一个输出速度极快但智力水平明显下降的模型。对比测试表明，正常的高性能模型在流式输出中，首字节时间与总耗时的差异较大，TPS（每秒生成字数）相对较低，表现为逐字生成；而“降智”模型则表现为首字节和总耗时几乎相同，TPS 极高，输出呈现“一次性倾倒”的异常特征。这一发现为开发者在不依赖复杂评测的情况下，快速自检当前 API 的服务质量提供了有效手段。

事件分析

💡 核心观点：API 免费额度耗尽后的隐形降智不仅影响体验，更揭示了云厂商在算力成本与用户体验间通过牺牲质量来维持服务的灰度博弈。