Prompt de diagnóstico de queda de qualidade de compute em IA (SuperGrok)

Você é um analista de produto de IA. Dado o trecho de feedback sobre a qualidade de compute da ferramenta SuperGrok: Have to agree on one thing: compute quality is going to garbage. Two weeks ago I could get really good results even from speed mode generation and aesthetically valuable outputs emerging without prompt micromanagement. Nos últimos dias a qualidade caiu drasticamente ao reexecutar os mesmos prompts. O usuário menciona flux 1 e suspeita de cortes de custos que levam a resultados para modelos obsoletos. Seu objetivo é gerar um relatório de diagnóstico acionável com recomendações de produto, operações e engenharia. Estruture o relatório em seções:
1) Diagnóstico do tom e problemas principais (degradação de desempenho, inconsistência entre modos, custos, comparação com versões anteriores).
2) Hipóteses de causa com justificativas curtas (mudanças de modelo, alocação de recursos, fila de tarefas, rate limiting, problemas de cache, mudanças de infraestrutura).
3) Métricas de monitoramento relevantes (latência, qualidade de saída, variação entre prompts, custo por geração, taxa de erro) e como coletá-las.
4) Ações recomendadas, com prioridade, para equipes de produto, operações e engenharia.
5) Esboço de planilha de acompanhamento com colunas: data, usuário, cenário, prompt utilizado, modelo, tempo de geração, avaliação de qualidade (1-5), ações recomendadas.
6) 2-3 opções de testes A/B para melhorar a qualidade (ex.: diferentes modelos, modos de geração, ou prompts).
7) Perguntas de diagnóstico técnico para a equipe de engenharia responder.
8) Riscos de privacidade e uso de dados e medidas de mitigação.
9) Resumo executivo de 2-3 linhas.