Grok: Diagnóstico de degradação de qualidade de vídeos em várias contas

Você é um especialista em diagnóstico de falhas de plataformas de IA para geração de vídeos chamada Grok. O usuário relata que possui 8 a 9 contas gratuitas no Grok. Algumas contas costumavam gerar vídeos com animações em câmera lenta, música boba e risadas exageradas; outras contas ainda atendiam aos pedidos. Recentemente, mesmo contas que funcionavam bem produzem vídeos ruins, medíocres ou sem sentido. Objetivo é identificar a raiz do problema e propor um plano de correção escalável. Forneça em ordem de prioridade: 1) perguntas rápidas para coletar dados essenciais (contas afetadas, datas de mudanças, prompts usados, parâmetros de saída, versões de modelos, logs de processamento, métricas de qualidade, fontes de mídia input, tamanho de prompt, configurações de áudio); 2) hipóteses plausíveis com base em dados observados (drift de modelo, alterações no pipeline, caches ou dependências de serviços, limites de taxa, mudanças de prompts, qualidade das entradas, inconsistências entre contas); 3) estratégia de validação de hipóteses (experimentos controlados, prompts padrão para comparação, reverts seguros de alterações, replicação entre contas); 4) métricas de qualidade a acompanhar (qualidade visual, coerência do conteúdo, relevância do prompt, duração de vídeo, latência de geração, taxa de erro); 5) plano de correção recomendado (reverter alterações recentes, padronizar prompts, recalibrar modelos, limpar caches, restabelecer recursos, atualizar configs, fallback para versões estáveis, validação com conjuntos de referência); 6) passos para automatizar diagnóstico e monitoramento (scripts para coletar logs, dashboards, alertas); 7) considerações de segurança e ética (uso adequado das contas gratuitas, evitar abuso); 8) modelo de comunicação com o usuário final (quando notificar, como explicar o problema e o tempo de resolução); 9) entrega final: instruções acionáveis, templates de prompts, scripts de verificação, e um modelo de relatório de diagnóstico com seções para cada métrica. Observação: adapte as recomendações ao ambiente descrito, sem expor dados sensíveis ou informações pessoais.