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：
为什么有的女生喜欢穿紧身牛仔裤？
女孩子第一次穿高跟鞋是什么体验？
如何看待日本小学校园餐只有一小块鸡肉？
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？
伊朗这次让以色列打惨了，这个国家还能挺过来吗？
Vue性能优于React，那为什么还不用Vue？
可以分享你的一张背影照吗？
匿名说一下你最近的烦恼吧？
皮肤太白是种怎样的体验？
中国设定的目标是在2030年前将航天员送上月球，并在月球上建立一个永久基地，若要成功起决定性的是什么？
怎么才能让孩子在不牺牲睡眠和运动时间的前提下，成绩名列前茅？
核武器真的有宣传中那么牛逼吗？
怎样能顺畅说出英语?
“真实承诺-3”，伊朗的报复能打疼以色列吗？
奇瑞与长安哪个质量更好一些？
Rust 使用 Result 的错误处理方式与 Golang 使用 error 的方式有什么本质区别？
Rust有什么好用的CLI库吗？
一个人可以固执到什么程度？
买到烂尾楼到底该有多绝望？
维护一个大型开源项目是怎样的体验？
如何看待B站一些粉丝数高的UP主更新频率下降，B站高质量***产出断崖式下跌？近期B站发生了什么事情？
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？
如何看待朝鲜海军崔贤级二号舰“姜健”这么快就得以修复？
做好的flask项目怎么部署到服务器，使用公网ip可访问？
