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：
你是怎么发现亲戚开始见不得你好的？
中医为什么感觉越来越衰败呢？问题出在哪里呢？
如何评价剪映svip，599一年，有替代方案吗？
中国 5 月 Swift 人民币在全球支付中占比下降至 2.89%，背后的原因和未来的发展趋势是什么？
家里想搞一个服务器，怎么才不违规？
女生真正的完美身材是什么样子？
你如何看待鸿蒙PC不允许侧载?
女生身高174体重120+算胖吗?
flutter是***跨平台最优解吗？
韦东奕（北大韦神）要是去写游戏引擎代码，能不能把虚幻引擎按在地上摩擦？数学好真能‘降维打击吗？
如何看待小米开源项目MiLM-6B？
Gemini 2.5 Flash 和Pro稳定版上线，和之前版本相比，在性能和应用场景上有哪些提升？
自己拥有一台服务器可以做哪些很酷的事情？
以色列是如何从三天前的不可一世要灭了伊朗到今天的哭哭啼啼要“为生存而战”的？
如何看待多地推出升级版「禁酒令」？
Rust 的设计缺陷是什么？
为什么MacBook pro不用高刷新率的屏幕？
J***a 除了 Spring 还有什么？
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？
《捞女游戏》发售仅一天同时在线超 6330 人，如何看待游戏的销量？
真的有这种又苗条身材又爆炸的么？
为什么感觉现在的 bilibili 很没意思？
如何看待机器之心重测高考数学全卷，Gemini夺冠，豆包DeepSeek并列第二？
黄金，今年会达到怎样的高度？
如何看待 Mac mini M4 支持可更换 SSD？
为什么运维都这么难招？
为什么有些人认为中国武器装备看起来很土？
大a下一个牛市多久到来?
装了飞牛NAS，除了存资料看电影还能干什么？
学生校服如何隐藏内衣痕迹?
