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：
京东刘强东近期小范围分享怎么看？
为什么macOS软件生态不敌Windows?
《三角洲行动》还能活多久？
湖北省荆州市为什么发展不起来？
如果全球都停止出口粮食，中国能否自给自足？
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？
大家的NAS都是24小时不关机吗？
为什么情侣在一起旅行后容易分手？
遭遇生理性涨奶该怎么办？
上海首例认定提供爬虫程序抓取公开数据构成提供侵入计算机信息系统程序罪案，该案件有哪些细节值得关注？
鱼缸过滤全天开着太耗电，关掉半天又容易水浑，有什么好办法？
你经历最大的外贸订单多大?
自己拥有一台服务器可以做哪些很酷的事情？
为什么人类没有发现（公开）外星人？
有人说24GB和48GB内存容量是新一代电脑平台最均衡的方案，真的是这样吗？电脑内存应该如何选？
小米发布了 REDMI 首款旗舰小平板 K Pad，仅 8.8 英寸，小巧便携，如何评价这一设计？
JetBrains 放弃 AppCode 是否是一个错误决定？
美国真会下场对伊朗开战吗？
MacBook的诱惑在哪里？
如何评价腾讯元宝桌面端使用 Rust 的 Tauri 框架？
Golang与Rust哪个语言会是今后的主流？
golang 与rust 在服务器程序领域相比较，各有什么优劣势？
刘强东称「京东外卖很快就会出来一个跟美团完全不同的商业模式」，如何看待此回应？
有哪些是你用上了mac才知道的事？
谁在半夜看过鱼缸里的鱼，它们都在干什么？
如何评价《塞尔达传说：王国之泪》？
老挝是个怎么样的国家？
polars到底行不行？
游戏史上有哪些著名的平衡***故？
女生被踢裆也会很疼吗？
