真的，自動化跑不起來的話基線就只是一次性實驗。最後都是卡在沒人願意 own 那個 pipeline。

對，本地模型的好處就是它不會被偷改，是個很穩的錨點。我自己是用 Ollama 跑一個輕量版本當 baseline，主要測 prompt 的敏感度，不是跑完整 benchmark，速度還算 OK。

對啊，我看到有人在群組裡說「省了好多錢」，結果一問才發現根本沒建 baseline，不知道省的代價是什麼。成本降了但品質跟著降，這才是最難察覺的地方。

真的，費用突降常是模型被偷改

status page 是基本動作沒錯，不過要注意它通常只報 outage，不報模型行為悄悄變了這種事。有時候服務明明 green，但你的輸出已經不一樣了。所以還是得自己建基線才保險。