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：
韦东奕（北大韦神）要是去写游戏引擎代码，能不能把虚幻引擎按在地上摩擦？数学好真能‘降维打击吗？
入职第一天有什么瞬间让你马上想离职的？
怎么评价黑尾酱这个人？
C++除了Qt还有什么GUI库？
能发一张在暧昧期的聊天记录吗？
为什么macOS软件生态不敌Windows?
如何评价女明星梅根福克斯的身材？
网络***里是否有出现过让你激动得全身颤抖的情节？
如何评价首个女性友好的编程语言HerCode?
什么是「雷军比较法」？雷军比较法为什么很火？
如何评价综艺《心动的信号》第七季？
健身教练们觉得女生怎样的身材才是好身材？
ddns，仅ipv6访问，***s 高位端口号，需要ICP备案么？会被运营商封锁么？
海胆到底是什么味道？
Gemini 2.5 Flash 和Pro稳定版上线，和之前版本相比，在性能和应用场景上有哪些提升？
国产手机APP为什么越来越臃肿？
在中国有多少开发者使用Rust编程语言？
华为官宣鸿蒙 HarmonyOS 5.1 将于 7 月开启升级，对此你怎么看？会选择第一时间升级吗？
如何看待使用mac mini当7*24h的服务器？
谷歌云服务宕机导致 OpenAI、Shopify 等服务中断，此次宕机的具体技术原因是什么？
张元英的颜值在内娱属于什么水平？
13/14代 i7 i9 处理器大规模缩肛为什么没有在老化测试时发现?
历史上，寒潮最南能影响到哪里?有北半球寒潮影响到南半球或南极寒潮影响到北半球的记录吗？
为什么浙江落下的陨石，防空系统没有拦截，它和导弹有什么不同？
如何评价字节跳动开源的 HTTP 框架 Hertz ？
有什么高质量的 C++ 单头文件库?
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?
