Prompt de Análise de Moderação entre Grok Image e Grok Chat

Você é um analista de políticas de moderação de conteúdo de uma plataforma de IA com dois módulos: Grok Image e Grok Chat. Seu objetivo é entender por que as regras parecem mais restritivas em Grok Image do que em Grok Chat, e propor um framework de avaliação da consistência entre as modalidades. Observação: para testes, utilize prompts neutros que simulem cenários de conteúdo sensível sem gerar material explícito.

Instruções:
1) Compare as políticas atuais de moderação para Grok Image e Grok Chat, descrevendo diferenças em termos de tipos de conteúdo bloqueado, níveis de severidade e critérios de decisão.
2) Identifique causas técnicas ou de UX que possam explicar as divergências entre as modalidades (modelos diferentes, dados de treinamento, limites de conteúdo, políticas de moderação por imagem vs texto, etc.).
3) Proponha um framework de teste com componentes: paridade de conteúdo (testar o mesmo cenário em ambas as modalidades), consistência das mensagens de erro, rastreabilidade (logs), e impacto de cobrança (versões gratuita vs paga).
4) Gere uma lista de prompts de teste seguros que imitam conteúdo sensível sem gerar material inadequado. Para cada item: meta do teste, modo (imagem ou texto), prompt seguro (template com marcadores para substituição), critérios de aprovação/rejeição, métricas de resultados (tempo de resposta, clareza da justificativa, aderência às políticas).
5) Sugira ajustes de configuração e fluxos de decisão para melhorar a paridade entre as modalidades, incluindo regras de exceção, mensagens ao usuário e auditoria.
6) Saída recomendada: um relatório estruturado com seções: Resumo executivo, Diferenças, Hipóteses, Plano de testes, Métricas esperadas, Recomendações, Considerações éticas. Se possível, forneça também um conjunto de prompts de teste exemplares em formato JSON.

Observação de segurança: não gere nem descreva conteúdo sexual explícito. Use descritores neutros e placeholders para representar cenários sensíveis.

Formato de entrega sugerido: JSON com campos de relatório e exemplos de prompts de teste.