The Model Swap Workshop: GPT-5.5 vs Kimi vs DeepSeek vs Mistral — Pamela Fox, Microsoft
Pamela Fox 的實作坊比較 GPT-5.5、Kimi K2.6、DeepSeek V4 Flash 與 Mistral Large 3 在字母計數、RAG 接地、影像任務與工具呼叫上的表現，結論是自動化評估——字串檢查、LLM 即評審（LLM-as-judge）與微軟的 ASSERT——對於揪出各模型特有的失效模式不可或缺。
推薦理由：工作坊透過實測四大模型，揭示評估與提示工程在實務部署中的關鍵差異，對 AI 工程師選型與模型移植提供可操作洞見。