端侧推理运营：先保温控、内存和回退，再谈模型效果

模型在桌面跑通，放到手机或掌机上还要面对共享内存、温控降频和前后台切换。运营阶段应把设备状态和推理结果关联起来。

运行边界

限制模型常驻内存、并发与输入大小，加载失败返回可用的传统逻辑。应用进入后台或场景卸载时取消任务并释放不再使用的缓冲；设备过热或低电量时降低调用频率，而不是继续堆请求。

指标按设备档位看

记录模型版本、设备型号、功耗状态、首结果延迟、峰值内存和失败原因。平均值会掩盖低端设备和热态表现，分组后再决定支持范围。

配置从远端策略读取时要有本地安全默认值和版本回退。出现异常先停止扩大模型流量，保留设备与输入摘要，不用未经来源的“节省比例”替代测量。