每个点对应一个智能体步骤，且该步骤具有正的输出 token 数、正的总输入 token 数，以及正的可观测生成时段（observable generation span）。上下文长度取自 input_tokens_total，若该总量缺失则回退为 prefix_tokens + newly_append_tokens。

归一化解码速度定义为：

output_tokens / observable_generation_span_seconds

其中可观测时段是从首个模型输出事件之前（含同时刻）的最近一个输入事件（user_message 或 tool_result）开始，到最后一个模型输出事件（reasoning、text 或 tool_call）为止。该定义与论文宏（paper macros）所用的归一化解码速度中位数定义一致。它是 trace 观测到的时间，而非 serving-engine 内部的解码计时器。

对于 Codex，本图还报告两个精确推理 token 估计值（exact-reasoning-token estimates），仅限于推理后时段（post-reasoning span）至少有 0.1 秒的步骤。纯解码速度（Pure decode speed）是可见或结构化输出 token（output_tokens - reasoning_output_tokens）除以从推理标记/结束（reasoning marker/end）到最后一个非推理模型输出事件（text 或 tool_call）的时段。残余 TTFT（Residual TTFT）定义为：

input_to_reasoning_end_seconds - reasoning_output_tokens * aggregate_post_reasoning_decode_latency

其中 aggregate_post_reasoning_decode_latency 是在所有符合条件的精确推理 Codex 步骤上计算的、按 token 加权的 Codex 推理后解码延迟。这些定义与论文宏中对 Codex 推理后解码速度和残余 TTFT 的定义一致。速度面板上显示的 w.avg 标签是按 token 加权的平均吞吐量（sum(tokens) / sum(seconds)），从而避免了对单步比值取算术平均时的离群点敏感性。

散点图为提升可读性而对点做确定性抽样，但汇总（summary）与分箱分位数（bin-quantile）CSV 使用全部符合条件的步骤。Y 轴上限由 --max-speed-tokens-per-second（默认：160 tok/s）、--max-pure-decode-tokens-per-second（默认：160 tok/s）以及 --max-ttft-seconds（默认：40 s）限定。超出绘制范围的值绘制在坐标轴边界处。绘制的 x 轴起点为 --min-context-tokens（默认：4096 tokens）。Codex 的纯解码与残余 TTFT 面板要求 post_reasoning_output_seconds >= --min-codex-post-reasoning-seconds（默认：0.1）。

uv run python artifacts/llm_generation/context_decode_speed_scatter/plot.py \
  --db trace/syfi_coding_trace.duckdb \
  --min-codex-post-reasoning-seconds 0.1

• context_decode_speed_scatter.png / .pdf — 带分箱 p25/median/p90 趋势的堆叠散点面板。
• context_decode_speed_summary.csv — 各提供商的上下文与归一化速度分位数。
• context_decode_speed_bins.csv — 各提供商按二进制上下文长度分箱的速度分位数。
• context_decode_speed_codex_timing_summary.csv — Codex 纯解码与 TTFT 分位数。
• context_decode_speed_codex_timing_bins.csv — Codex 纯解码与 TTFT 按二进制上下文长度分箱的分位数。