（又从草稿箱翻出一篇本该四月写完的文章…我的草稿箱里究竟还藏着多少 TODO 啊…） 先问大家两个问题： 各家 AI 现在都做了 Deep Research，那么如何比较不同的深度研究之间的能力高低呢？***设一道题目客观上存在唯一正确答案，且相关信息线索绝对可以在互联网上搜到，在允许使用搜索引擎的情况下，你觉得自己能做出来吗？当下最先进的 AI Agent 呢？为了验证大模型、Agent 网上冲浪的能力，OpenAI 编了一套超难的试卷，里面有 …。
代码：
江西通报救护车 800 公里收费 2.8 万「不合理，暂停医院转运服务」，该医院要承担怎样的法律责任？
以色列为什么突然敢打伊朗了？不怕被报复？
为什么黄毛骗走的都是乖乖女？
有哪些外行看起来很陋（low），但是内行人却觉得很高大上的东西？
核武器真的有宣传中那么牛逼吗？
在武汉，你们的找对象标准是怎样的？
新疆维吾尔自治区，经济发展的真实前景如何？
怎么感觉小米有点方寸大乱呢？
你在健身房发生过什么有趣的事情?
男朋友说我穿衣服太开放，难道好身材不应该显示出来吗？
安徽一银行两名客户经理因吃客户一碗面每人被罚 3000 元，这个处罚力度合理吗？
买到烂尾楼到底该有多绝望？
家里想搞个服务器，有什么好的建议方案吗？
万兆的网络速度有多大意义？
有没有GUI框架开发难度小，***消耗又不多，而且又跨平台？
你怎么看待剪映收费过高问题？
怎么劝家里人不去养鱼？
有没有好看的个人博客的设计？
大家的NAS都是24小时不关机吗？
Rust使用？多次传播错误后，怎么定位最开始发生error的地方？
眼睛有飞蚊症可以自愈吗?
Golang中有必要实现Async/Await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？
微软宣布 5 月 28 日开始下架「Microsoft 远程桌面」应用，背后原因有哪些？
055大驱在世界属于什么水平?
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？
一个月学python来得及吗?
电蚊香液对身体有害吗?
