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：
人为什么需要睡觉？人睡觉的时候身体都在做什么？
马斯克宣布星舰将配备 42 台发动机，如何评价这一设计？
Chrome 浏览器设计的神细节有哪些？
写业务的话，go是不是垃圾？
男朋友说我穿衣服太开放，难道好身材不应该显示出来吗？
中国载人登月进展公布，锚定 2030 年前实现中国人登月目标，登月任务最具挑战的技术难题是什么？
下雨天做什么最舒服？
为什么这么久了还是没有主流软件开发鸿蒙版？
人类有希望走出***系吗?
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？
网传《碟中谍 8》亏损可能超 14 亿，是真的吗？这背后的原因是什么？
武松杀嫂，为什么要先扯开她的胸衣，多此一举还是另有深意？
如何评价前端框架 Solid?
稳定币是个什么东东？
F-35作战半径1100公里，以色列距离伊朗首都德黑兰1600公里。以色列F-35是如何轰炸伊朗的？
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？
外贸独立站怎么做SEO？
无意冒犯，请问用Linux桌面版作为家用娱乐PC（不含服务器和盒子）的人，真不在乎产品的可用性吗？
为什么web worker可以在前端开多线程，解决单线程卡死页面的问题，但是没有得到广泛使用？
如何评价***伊内斯·特洛奇亚的身材？
国产香橙派和树莓派差距在哪？
能够自己一个人创业的全栈web码农fullstack developer要会哪些技术？
卧推100kg做组的胸，都是啥样的。?
你们听过领导最没水平的一句话是什么？
搞了NAS之后去哪里下载4K，8K的电影？
能分享一下你写过的rust项目吗？
如何评价高圆圆的身材算是美女类型的吗？
2025年了 Rust前景如何?
苹果为什么要给每代MacOS起个名字，真以为人们记得住分得清吗？
