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：
女人到中年越来越看不上自己的老公怎么办？
中国预警机世界领先吗？
为什么中国主机带宽比美国贵5倍（原来错误的10000倍），比如阿里云？
请问27寸4K显示器哪个好呀？
为什么有的人喜欢带着 MacBook 去咖啡店或者书店上网，而不是 ThinkPad 之类的？
如何评价「尖叫」这种饮料？
在武汉，你们的找对象标准是怎样的？
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？
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？
为什么 CRT 画质这么好也被淘汰，液晶反而发展的很好？
始终怀不上孕是种怎样的体验？
我国的军工能力可以实现一天5000枚火箭弹连着炸三个月吗？
维护一个大型开源项目是怎样的体验？
中了一个亿 你会做什么？
关于***你还在继续写吗？
黄金，今年会达到怎样的高度？
特朗普称伊朗关键的核浓缩设施已被「彻底摧毁」，伊朗还有何底牌？会同意结束这场战争吗？
如何评价《灵笼 2》第六集？
英特尔的衰落，是因为真正做事的工程师被挖了？还是公司战略出问题？
H264和H265谁画质好，求回谢谢！？
洲际导弹能打到任何地方，为什么还需要轰炸机？
黄一鸣为什么敢承认孩子是王思聪的？
中餐炒菜那么好吃，为什么欧美人不学去？
如何评价Cursor？
央企的信创，是否有必要把 spring 替换成国产的 solon ？
count(*) count(1)哪个更快？
如何评价阿富汗取消与中国的石油开***合同？
DLM（扩散语言模型）会成为2025年的Mamba吗？
作为独立开发者，有哪些可以分享的经验？
