两年前，GPT-4才出来的时候，大家纷纷给大模型出的题目是小学奥数，什么鸡兔同笼，都会有一定错误率，那时候人看大模型，就像看个傻子。
一年前，GPT-4o来了，模型变小了，性能提高，小学奥数以及普通的中考题正确率大幅度提高，但是中考的解答题仍然不会做。
半年多前，o1出现，首先提供的还是o1-preview和o1-mini，这两个模型已经能做中考解答题了，接下来只剩高考大题做不了。
然后今年，o3、o4-mini、gemini 2.5 pro……终于…。
代码：
为什么会有 U 盘独个文件不可以超过 4GB 这种设定？
为什么感觉现在的 bilibili 很没意思？
为什么中国男性正在集体退出相亲市场？
网络游戏服务器开发，有哪些经典书籍？
目前美军还有哪些领域是明显领先于解放军的？
你最满意的10款 PC 软件是什么？
你怎么看待剪映收费过高问题？
2025年了expo和Flutter学哪个？
为什么越是禁止孩子玩手机的家庭，最后养出的网瘾少年越多？
H264和H265谁画质好，求回谢谢！？
有没有好看的个人博客的设计？
苹果前首席设计师 Jony Ive 离职的原因是什么？
为什么任天堂在NS2上没有选择使用OLED屏幕以提升续航能力和显示效果？
这种裙子是不是对直男爆杀？
鸿蒙电脑应用开发和鸿蒙手机是一样的吗？
男朋友因为打游戏骗我去睡觉被我识破，然后我提了分手，他同意了，问问男孩子们他怎么想的？
如何看待三峡集团总部搬迁至武汉？
独立开发者都使用了哪些技术栈？
哪一刻让你觉得世人皆苦？
花那么多钱举办婚礼的意义在哪呢？
DLM（扩散语言模型）会成为2025年的Mamba吗？
5 月 28 日 DeepSeek R1 模型完成小版本试升级并开源，具体有哪些提升？使用体验如何？
为什么年轻的肉体让人沉迷？
如何看待《捞女游戏》导演***辉B站账号遭封，是否遭到打击报复?
苹果公司做过哪些鲜为人知的努力？
爸爸做过的哪件事，曾经让你觉得「很容易」，自己去做的时候才意识到「了不起」？
如何评价腾讯元宝桌面端使用 Rust 的 Tauri 框架？
通过重体力劳动练出来的肌肉和标准健美人员肌肉有什么不同？
评价一下Proxmox VE与ESXi的优劣？
