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：
紧身牛仔裤看起来不正经，真的是这样吗？
有一个***约你出去，你会去吗？
***体隆胸之后多久乳房变软一些?
新疆维吾尔自治区，经济发展的真实前景如何？
京东刘强东近期小范围分享怎么看？
为什么原神、黑神话明明都要上XBOX主机，却依然没有NS手机版？
为什么中国主机带宽比美国贵5倍（原来错误的10000倍），比如阿里云？
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？
2025 年高考，为啥大家反应冷淡得出奇？
能分享一下你写过的rust项目吗？
MiniMax Week第三天推出通用 Agent，体验如何？对行业会带来哪些影响？
为什么男生都不喜欢173身高的女生啊?
Golang与Rust哪个语言会是今后的主流？
只是突然很好奇，已经造出了三艘航母，为何不能按照这样的模板，批量建造航母呢?
《权力的游戏》里面最美的是谁？
为什么 macOS 并不差，可市场总敌不过 Windows？
哪张照片让你觉得刘亦菲美得不可方物？
媒体称以色列防空成本一晚近 3 亿美元，最多再撑 12 天，美方会支援吗？若无美补给结果会如何？
雄安新区如何发展起来？
中国军队有多强，在世界能排第几？
Pythonic 是什么意思？
微软宣布 5 月 28 日开始下架「Microsoft 远程桌面」应用，背后原因有哪些？
程序员看剧的时候，如果看到有敲代码页面，会暂停看代码吗？
网红都那么美，为什么当不了明星？
SpaceX 星舰 36 号火箭静态点火测试爆炸，爆炸的原因是什么？会对星舰发展产生什么影响？
哪吒汽车正式被申请破产，因薪酬问题员工已两月没去上班，被申请破产意味着什么？员工权益还能得到保障吗？
匿名说一下你最近的烦恼吧？
美国发行「稳定币」，是否相当于增发美元？
核武器真的有宣传中那么牛逼吗？
