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：
如何评价《灵笼 2》第六集？
京东刘强东近期小范围分享怎么看？
为什么 electron 不做成独立的 runtime？
有一个***约你出去，你会去吗？
印度是真的烂还是咱们在信息茧房里面？
如果你是《一帘幽梦》里的绿萍，你会不会最后原谅紫菱？
如何评价苹果 3 月 5 日发布的 MacBook Air M4，相比前代有哪些提升？
网传厦门某国企研发部门要求每日考察后端 400 行，前端 1000 行代码量，如属实，这个考核合理吗？
我国004号航母什么时候下水？
在韩国生活有什么体验？
中医把脉是***吗？
《碟中谍 8》都有哪些槽点？
5070ti什么时候才能回归正常价格？
将 Windows Server 作为个人 PC 操作系统来用是怎样的体验？
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？
俗话说“女人三十如狼四十如虎”，到底是不是真的？?
为什么***骂 Ubuntu，但是 Ubuntu 一直是所有 Linux 发行版中知名度、热度最高的？
Windows 上最应该卸载的三个软件是谁？
以军要求以全境民众进避难所，伊朗称初步估计本轮袭击使用了 30 枚导弹，以防空系统还能坚持多久？
如何看待湖北一医院婚检查出艾滋医生未告知伴侣致感染，医生被停职？反映出哪些问题？
现在读写速度最快的硬盘，能在30年前的计算机上当做内存使用吗？
一名女子在杭州万象城遭挟持被捅 20 多刀，隆胸***体救了一命，这反映出哪些公安系统的问题？
antv x6 node 点击***不触发怎么办？
作为一个服务器，node.js 是性能最高的吗？
只需要维持生命体征的话，生活成本能降到多低？
感觉鱼缸久了底下火山石里脏脏的，能彻底换水清理一遍不？
如何评价“寡姐”斯嘉丽·约翰逊的身材？
韩寒现在为什么不写书了呢？
跨平台GUI框架到底应该自绘还是原生控件绑定？
