perf: 已软踢模型短路跳过 token_counter 预估

- _soft_evicted_block: 扫描 router 中 {model}-limit-reached 条目返回
  (usage, limit), 供 async_pre_call_hook 直接 429
- 省去注定被拒请求的 token_counter 调用(含多模态图片 URL 下载等昂贵路径)
- 与 _check_request_block 的 limit-reached 恒 429 双保险
- stub 验证: 已踢/未踢/不存在三场景符合预期

volc_limit_sync.py

@@ -528,6 +528,34 @@ def should_soft_evict(clean_model, api_base, current_usage, effective_limit):
     return False, ""
 
 
+def _soft_evicted_block(model_name):
+    """
+    若模型已被软踢（router 中存在 {model_name}-limit-reached 条目），返回
+    (usage, effective_limit) 供直接 429；否则 None。用于 async_pre_call_hook 短路：
+    已踢模型注定被拒，跳过 litellm.token_counter 精确预估（含多模态图片下载等昂贵路径）。
+    """
+    if not LITELLM_AVAILABLE or not redis_client:
+        return None
+    try:
+        from litellm.proxy.proxy_server import llm_router
+
+        if not llm_router or not llm_router.model_list:
+            return None
+        for entry in llm_router.model_list:
+            entry_name = entry.get("model_name") or ""
+            if entry_name == f"{model_name}-limit-reached" and "_daily_limit_backup" in entry:
+                params = entry.get("litellm_params", {})
+                clean = clean_model_name(params.get("model", ""))
+                api_base = params.get("api_base", "")
+                usage_key = get_usage_key(clean, api_base)
+                usage = float(redis_client.get(usage_key) or 0)
+                limit = get_effective_limit(clean, api_base)
+                return (usage, limit)
+    except Exception:
+        pass
+    return None
+
+
 def should_restore_model(clean_model, api_base, current_usage, effective_limit):
     """
     恢复判定（与 should_soft_evict 对称，防踢/恢复抖动）：
@@ -913,6 +941,23 @@ class DailyLimitHandler(CustomLogger):
         if not data or not data.get("model"):
             return None
 
+        # 已被软踢的模型直接 429，跳过 token_counter 精确预估（注定被拒，无需计数，
+        # 也避免多模态图片 URL 下载等昂贵路径）。注：与 _check_request_block 的
+        # limit-reached 恒 429 双保险——这里短路省 token_counter，那里兜底路由阶段。
+        evicted = _soft_evicted_block(data.get("model"))
+        if evicted is not None:
+            usage, ev_limit = evicted
+            limit_disp = int(ev_limit) if ev_limit is not None else 0
+            log(
+                f"🚫 [PRE-BLOCK] {data['model']} soft-evicted, 429 (usage {int(usage):,}/{limit_disp:,})",
+                level="WARNING",
+            )
+            raise RateLimitError(
+                message=f"Daily limit reached for model '{data['model']}' ({int(usage):,}/{limit_disp:,}) (soft-evicted)",
+                llm_provider="volcengine",
+                model=data["model"],
+            )
+
         # 预留本次请求的预估消耗 = 输入 token(精确) + 输出上限(max_tokens)。
         # 输入用 litellm.token_counter 精确计数(未知模型 fallback cl100k_base,
         # 对中文偏高更安全)。