建立少量可验证的对照题
选择三到五个有明确验收条件的任务，例如从给定段落提取日期、按约束改写文字或解释已知代码。固定输入材料与要求，分别记录正确项、漏项和无法核对的断言。不要用一道脑筋急转弯或模型自述来鉴定账号状态，这类结果不足以说明实际服务发生了什么变化。
检查上下文和可用工具
对比新对话与长对话中的表现，核对附件是否上传成功、材料是否完整、所需工具或入口是否实际可用。每次只改变一个条件，保存时间和错误提示。模型没有读到资料、要求互相矛盾或页面发生错误，可能表现为回答质量下降，应先排除这些可观察因素。
用证据描述问题而非贴标签
如果相同任务持续出现明显差异，整理测试输入、发生时间、当前入口和脱敏后的输出，向对应官方支持反馈。用遗漏了哪些字段或哪段代码未通过测试描述问题，比直接认定降级更容易核查。不要据此立即购买所谓修复账号、特殊网络或新套餐。