# 模型替换工作坊：GPT-5.5 对比 Kimi、DeepSeek、Mistral

- 原标题：The Model Swap Workshop: GPT-5.5 vs Kimi vs DeepSeek vs Mistral — Pamela Fox, Microsoft
- 类型：教程
- 来源：YouTube
- 发布时间：2026-10-19
- 首次精选：2026-10-26 16:31
- 分级：值得看
- 学习层级：进阶
- 主题：[judges-quality-validation](<https://oplearnx.com/md/topics/judges-quality-validation.md>)（第 6 位）、[model-benchmarks](<https://oplearnx.com/md/topics/model-benchmarks.md>)（第 15 位）
- 原文链接：[https://youtube.com/watch?v=UGjk3Uk0MxM](<https://youtube.com/watch?v=UGjk3Uk0MxM>)
- 本站页面：[https://oplearnx.com/resources/pk\_5eb1e7278df3](<https://oplearnx.com/resources/pk_5eb1e7278df3>)

## 摘要

微软首席云布道师 Pamela Fox 在 Microsoft Foundry 上对 GPT-5.5、Kimi K2.6、DeepSeek V4 Flash 和 Mistral Large 3 运行相同场景，从数单词字母的提示词逐步递进到 RAG 依据性、图像输入、多语言陷阱、工具调用、循环中的工具调用，以及一个 LangChain v1 旅行智能体。之后转向评估：字符串检查评估、LLM-as-a-judge、微软用于从规格生成测试集的 ASSERT 工具，以及用 DSPy 优化提示词以让最便宜的模型也能满足要求。材料说明重点在于基准测试无法反映模型在自己应用中的行为，替换并实测才能看出差异。

## 原文涉及

- [GitHub - responsibleai/ASSERT: Requirement-driven evaluation harness for AI agents and LLM applications. Generate behavior-specific test cases, run them against any target \(hosted models, callable wr…](<https://github.com/responsibleai/ASSERT>)

---
来源：LearnMap · 学径（https://oplearnx.com）