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：
为什么 mac mini 的 m4 版本价格这么低呢？
手机的运行内存真的有必要上16GB吗？
正常人一次一顿能吃完一斤牛肉吗？
为什么越来越多的国内男孩，要娶国外女孩?
微软裁了 6000 人，其中软件工程师受影响最大，这会给整个软件行业的人才流动带来怎样的连锁反应？
都说苹果是细节狂魔，那苹果有没有细节其实做的很差的点？
湘雅医院罗帅宇坠楼是自杀？还是***灭口？
新疆维吾尔自治区，经济发展的真实前景如何？
网传厦门某国企研发部门要求每日考察后端 400 行，前端 1000 行代码量，如属实，这个考核合理吗？
明星现实中真的很漂亮吗？
你从什么时候开始感受到所谓的“资本的力量”？
你从什么时候开始感觉孩子不属于你了？
利润这么大，为什么华为不研发生产游戏显卡？
为什么感觉腾讯的风评越来越好了？
为什么伊朗的防空系统失效了？
如何评价「绝区零」2.0版本新开启的常驻经营活动「凋容十载随便一观」？
为何雷军天天健身，却无健身痕迹?
MongoDB的缺点以及你为什么不使用MongoDB？
如何评价福原爱？
如何看待《剑星》已登顶 Steam 全球热销榜？
你见过身边身材最好的女生是什么样子的？
能分享一下你写过的rust项目吗？
网友称在桔子水晶酒店洗漱包内发现用过的四联检测盒，具体是怎么回事？酒店要承担哪些责任？
我应该设置多少kb才能让他不能玩游戏？
歼-20 在国际上到底是什么地位？
如何评价MiniMax开源首个视觉RL统一框架V-Triune，实现推理感知一肩挑，其技术上有何优势？
女性为什么不普遍跟男性那样只留个几毫米或2-3厘米短发，女性不觉得长发麻烦吗?
广东怀集遇历史最大洪水，约 30 万人受灾，积水最深处达 3 米，目前当地情况如何？
