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：
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？
洲际导弹能打到任何地方，为什么还需要轰炸机？
为什么女性内衣很少有人穿前扣的？
以色列为什么要打伊朗？
如何评价 Next.js？
鱼缸的硝酸盐含量为多少比较合适？
如何看待Ollama基于Go语言开发而不是别的编程语言？
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？
男医生在给年轻靓丽的女性检查时会是什么心态？
怎么才能有尤雨溪一半强，该怎么学习？
如何解决没有公网IP情况下对家里NAS的高速远程访问？
相对于 Linux，Windows Server 存在的意义是什么？
女生真正的完美身材是什么样子？
有什么树莓派的代替品吗?
韦东奕和王虹谁的数学天赋更强？
网传广东怀集洪水后赵一鸣超市被哄抢，县***回应相关单位正在核实，若属实哄抢者该承担哪些法律责任？
如何看待不超过1879元的Mac mini（M4+16/256GB+票），易用性吊打同级其他台式电脑？
Hadoop到底是干什么用的？
为什么这么多人说 Gmail 好用？Gmail 和 QQ 邮箱相比到底好在哪里？
MiniMax Week第三天推出通用 Agent，体验如何？对行业会带来哪些影响？
为什么国内程序员不喜欢写单元测试？
H264和H265谁画质好，求回谢谢！？
为什么越来越多的 SSD 不带片外缓存了？
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？
postgresql也很强大，为何在中国大陆，mysql成为主流，postgresql屈居二线呢？
如何评价网红店太二酸菜鱼?
有没有什么路由器让你用过之后彻底惊艳了？
中国的 App 怎么这么恶心啊，还是说安卓恶心？
创业公司是否应该使用 Rust ？
商城里如何缓存商品信息?
