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：
为什么苹果手机杀后台现象频繁？是内存不够、后台管理严格还是其他原因呢？
语雀后端从Node迁移到J***a说明了什么？
如何看待极客湾评测麒麟X90的性能与表现?
为什么macOS软件生态不敌Windows?
现在的年轻人喜欢穿连裤袜吗？
健身教练们觉得女生怎样的身材才是好身材？
吴柳芳的真实水平如何？
如何评价“寡姐”斯嘉丽·约翰逊的身材？
有没有GUI框架开发难度小，***消耗又不多，而且又跨平台？
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？
为什么开发一个 AI Agent 看似容易，但真正让它「好用」却如此困难？技术瓶颈主要在哪里？
有个亲妹妹是什么感觉?
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？
30马赫的导弹，近防炮能挡住吗？
Node.js是谁发明的?
如何实现电脑定期自动热备份？
为什么人到中年，很少有身材苗条的？
如何评价鸿蒙NEXT的卓易通？
如何评价前端框架 Solid?
印度是真的烂还是咱们在信息茧房里面？
用 node 写后端存在什么问题？
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？
华为自研的仓颉编程语言将于 7 月 30 日开源，这款语言将如何影响未来的开发趋势？
你怎么看待剪映收费过高问题？
华为千亿营销是真的吗？
女生真正的完美身材是什么样子？
postgres集群的选择?
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？
为什么买了Switch后，却发现它并没有那么好玩？
罗马仕宣布召回超 49 万台充电宝，极端场景下可能有燃烧风险，有多危险？为何有安全隐患的产品能够上市？
