近期，部分开发者在部署 OpenAI Codex 进行辅助编程时遭遇了严重的性能瓶颈，具体表现为生成文本的 TPS（每秒生成 Token 数）跌至个位数，且首字响应延迟高达数秒，严重影响了长上下文场景下的开发效率。针对这一问题，有技术社区用户进行了详尽的排查与实测。起初，用户推测是账号权益（美区 Pro 20x 或土区 PLUS）差异导致的风控限速，但在更换不同账号后，性能卡顿现象依旧存在。问题的关键转折点出现在更换代理出口 IP 上。当测试者将 CPA 反代的出口节点从 Vircs 家宽切换至搬瓦工洛杉矶节点后，在无需重启服务或重登账号的情况下，Codex 的 TPS 立即恢复至 20-40 的正常水平，首字延迟也从秒级大幅降至 200 毫秒以内，且该结论经过多次反复切换 IP 验证可复现。这一实测案例证实，IP 路由质量是影响 AI 编程工具体验的核心变量，其影响权重在特定网络环境下甚至超过了账号本身的权益等级。该发现为遭遇类似“龟速”困扰的用户提供了一个极具价值的排查思路：在怀疑账号被限速前，应优先验证网络链路及出口 IP 的质量。
事件分析
本次测试直观展示了网络传输层对 AI 推理服务体验的决定性影响，尤其是在长上下文处理场景下。模型生成速度的剧烈波动表明，OpenAI 的 API 网关可能实施了基于 IP 信誉、流量特征或自治系统（AS）的动态限速与资源调度策略，导致特定 IP 段被分配到算力紧张的资源池。这揭示了当前全球化 AI 服务的一个常见痛点：本地网络环境与云端算力之间存在复杂的链路依赖关系。对于 AI 应用开发者而言，这意味着构建高性能 AI 应用的关键不仅在于模型调优，更在于构建一个低延迟、高稳定性的全球网络接入架构。此类网络层面的“软故障”往往容易被误判为模型能力的硬性限制或账号风控，实际上通过优化网络链路即可低成本解决，这对提升 AI 编程工具的实际落地效率具有指导意义。
💡 核心观点：AI 推理服务的瓶颈常在于网络链路而非算力本身，优质出口 IP 对性能的提升权重甚至超越账号等级。
原文链接：Linux.do
