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：
男朋友说我穿衣服太开放，难道好身材不应该显示出来吗？
空战的时候可不可以先击落预警机?
主流的云厂商各自优势在哪里？
女生被踢裆也会很疼吗？
大海捞针还捞着了是一种什么样的体验？
如何看待“Hutool”工具类库广受欢迎？
《权力的游戏》里面最美的是谁？
PHP现在真的已经过时了吗？
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？
Python+rust会是一个强大的组合吗？
如何评价人民网评关于集中整治违规吃喝的发文？
为什么 Windows 系统上的安装包有 exe 和 msi 两种格式，有什么区别？
kafka如何解决重复消费?
作为一个服务器，node.js 是性能最高的吗？
iOS 26 的新设计被吐槽丑，苹果在设计更新时考虑了哪些因素？你对这一设计都有哪些评价？
苹果从 2026 年发布的 macOS 27 起不再兼容任何 Intel Macs，这背后原因有哪些？
Golang和J***a到底怎么选?
家里有了孩子狗狗吃醋老吓唬孩子，要不要把狗狗卖掉？
媒体称以色列防空成本一晚近 3 亿美元，最多再撑 12 天，美方会支援吗？若无美补给结果会如何？
Rust、Go、Zig、Dart、C3、C++、C，仓颉、moonbit、凹语言哪个语言更有未来？
基因好是一种怎样的体验？
中国人为什么要学英语？
高架桥进匝道限速30，我开29为什么会被后车滴?
以色列为什么要打伊朗？
张飞为啥被评价有国士之风?
如何评价前端框架 Solid?
核武器最小当量能做到多少？
如何设计出色的网站后台原型？
我毕业想成为前端工程师，可是前端技术太多，越学越多，可是我想成为技术强的人，又很无助，怎么办?
中国的导弹水平到底怎么样？
