测了一个月，发现模型在下午的质量略低于上午

固定样本每天跑两次，记录得分。

一个月数据：上午平均 87 分，下午 84 分。差异不大，但趋势稳定。

可能原因：

1. 上游负载高时可能有降级策略
2. 网络延迟影响超时和重试
3. 我自己的判断标准有漂移（不能排除）

验证方式：让另一个同事盲评，结论类似。

实用建议：质量敏感的任务尽量避开高峰。这个结论不硬，但成本为零，值得一试。