模型替换实战：GPT-5.5、Kimi、DeepSeek、Mistral 同场景对比

微软首席云布道师 Pamela Fox 在 Microsoft Foundry 上用同一组场景测试 GPT-5.5、Kimi K2.6、DeepSeek V4 Flash 和 Mistral Large 3，从字母计数提示逐步扩展到 RAG 接地性、图像输入、多语言陷阱、工具调用及循环工具调用，以及基于 LangChain v1 的旅行 Agent；随后进入评测环节，演示字符串校验评测、LLM-as-a-judge、微软新工具 ASSERT 从规格生成测试集，以及用 DSPy 做提示优化以找到最便宜模型也能满足的提示。

AI推荐理由 微软首席云布道师 Pamela Fox 在 Microsoft Foundry 上对 GPT-5.5、Kimi K2.6、DeepSeek V4 Flash、Mistral Large 3 做同场景对比，覆盖计数、RAG 接地性、图像输入、多语言、工具调用与循环调用、LangChain v1 旅行 Agent，并演示字符串校验评测、LLM-as-a-judge、ASSERT 测试集生成和 DSPy 提示优化。属于可复现的实操对比，对选型有参考价值；但仅为视频摘要，未给出具体分数与结论，模型版本信息也需自行核实。