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：
特朗普称美国完成对伊朗三处核设施的打击，具体情况如何？伊朗会如何反击？
易语言作者吴涛的技术水平在国内能排到什么级别？
越正经的女人越容易做出疯狂的事吗？
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？
为什么都说 Finder 难用？
有没有开源的音频AI降噪库？
各省的省超出来后（类似于苏超），中超是不是就废了？
黄晓明上戏考博落榜，本人回应「明年再战」，怎样看明星对高学历的追求？上戏博士有多难考？
汤姆·克鲁斯在国外算几线？
目前最流行的 rust web 框架是什么？
家里想搞个服务器，有什么好的建议方案吗？
为何Microsoft能一直留在中国市场?
你见过身边身材最好的女生是什么样子的？
买到烂尾楼到底该有多绝望？
大厂后端开发需要掌握docker和k8s吗?
为啥软路由大多都是爱快加openwrt的组合，单openwrt有什么缺点嘛？
销量爆炸的华为nova14是不是证实华为已经腾出精力来收复中端市场了？
编程语言 MoonBit 发布 Beta 版，正式进入企业场景应用，会带来哪些影响？
华为自研的仓颉编程语言将于 7 月 30 日开源，这款语言将如何影响未来的开发趋势？
请问有没有什么工具能够生成局域网的网络拓扑结构图？
我应该设置多少kb才能让他不能玩游戏？
如何评价“寡姐”斯嘉丽·约翰逊的身材？
在韩国生活有什么体验？
洲际导弹能打到任何地方，为什么还需要轰炸机？
OSI 协议与 TCP / IP 协议有什么差别？
为什么开发一个 AI Agent 看似容易，但真正让它「好用」却如此困难？技术瓶颈主要在哪里？
为什么大部分人都认为2560x1440是2K？
间谍一般是怎么暴露的？
