当务之急最该解决的问题是大众对于 AI大模型的正确认知以及最基本的AI用法。
你看这是前两天的测试结果，突出了一个政治正确，6款大模型，OpenAI的o3倒数第一，我当时看到的时候就觉得很奇怪，o3好歹也是曾经的一代王者，高考数学这种题它排名这么低怕不是有什么猫腻。
我们就拿单选题的第五题来测试下，因为这道题除了o3，其他的国产模型都答对了。
这是第五题的原题，正确答案是A. - 1/2。
这是之前的第三方的测试结果，6个模型…。
代码：
如何评价苹果 3 月 5 日发布的 MacBook Air M4，相比前代有哪些提升？
鸿蒙电脑应用开发和鸿蒙手机是一样的吗？
JetBrains 放弃 AppCode 是否是一个错误决定？
为什么欧美影视喜欢露点？
毕设答辩，老师说node不可能写后台怎么办?
全班 43 人开家长会只来了 7 位爸爸，学校称未来准备策划爸爸家长会，如何看待这一现象？
MiniMax Week第三天推出通用 Agent，体验如何？对行业会带来哪些影响？
歼-20 在国际上到底是什么地位？
微软为什么还要推blazor？
央企的信创，是否有必要把 spring 替换成国产的 solon ？
可以随身携带一个Linux系统吗？
有哪些小众的开源项目养活了一大批人?
武磊在西班牙巴塞罗那进行了二次手术，是因为华山医院运动医学科技术不行吗？
长期使用的大佬来说说，MacOS 真的比 Windows 稳定吗？
越正经的女人越容易做出疯狂的事吗？
字节跳动技术副总裁开源了自己与Trae合作的首个项目，如何评价目前AI开发的水平？
理论上flutter性能应该非常高才对，为什么好些flutter应用性能一般？
北京日报点名批评“苏超”过度娱乐化的动机是什么？
6 月 21 日「苏超」第五轮南京队 4-0 战胜常州队，如何评价这场比赛？
鸿蒙是换皮安卓吗?
2025年6月，到底买油车还是电车？
家里想搞一个服务器，怎么才不违规？
如何评价鸿蒙电脑无法编写其自身运行的程序？
2025年了expo和Flutter学哪个？
相对于 Linux，Windows Server 存在的意义是什么？
独立开发***能盈利吗？感觉好累...
养鱼一年要花费多少钱？
你们是怎么远程用NAS听歌的？
独立游戏的成功率极低，但依然有许多开发者愿意投入数年时间去“孤注一掷”。他们为什么会做出这样的选择？
你见过的最舒适的办公环境是什么？
