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：
鱼缸能不能做到一直不换水还很清澈？
我的世界怎么租一个四个人的服务器？
电影《碟中谍》系列中哪一部最好？
python与nodejs哪个性能高？
为什么个人需要公网ip？
老公弱精就让我做试管 ，可是我不愿意怎么办?
为什么健身的女性普遍喜欢晒臀照？什么心理？
为什么现在科技热点是GPU，不是CPU了？
为什么很多男人都喜欢大胸的女生？
IT行业夫妻双双被裁，想去新西兰闯一闯可以吗？
小米Yu7的超预期大爆是否会促使华为亲自下场造车？
人可以极简主义到什么程度？
如何评价B站 up主“雨琪在芬兰”？
你见过最无用的节俭行为是什么？
年纪轻轻为什么会得腰肌劳损？
为什么盗版音乐已经被严格限制了，而中国音乐却还是没有发展起来？
特斯拉Model Y如何应对小米 YU7的冲击？
领导叫我进会议室，我刚准备坐下，领导说你站那儿讲就行，我认为这是对我的侮辱，甩门就走了，有错吗?
CS:GO 为什么玩鸟狙的这么少?
怎么才能有尤雨溪一半强，该怎么学习？
广西柳江上游出现锑浓度异常，市民称需从消防栓接水或买水，锑可能带来哪些危害？当地需如何妥善解决？
为什么今年的雷霆会惹众怒？
如何评价“寡姐”斯嘉丽·约翰逊的身材？
作为一个服务器，node.js 是性能最高的吗？
如何看待M4单核性能吊打9950x?
为什么全世界无一人能实现新mac直接全功能稳定装Win 11 arm，或PC直接装macOS arm？
如何一眼看出两个人私下里发生了秘密关系？
如何看待国内有些人认为杨瀚森不值首轮16顺位？
Golang和J***a到底怎么选?
为什么中国开发不出流行的编程语言？
