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：
如何评价B站UP主「酒酿lily王」、「唐卡七」等穿搭类UP主被封禁？
大家猜猜伊朗的结局如何？
湖南临澧烟花厂爆炸事故已致 9 人遇难 26 人受伤，事故原因可能是什么？厂方要承担哪些法律责任？
有哪些事情是你去了越南以后才知道的？
Golang和J***a到底怎么选?
如何看待伊朗议员沙赫里亚里： 我们恳求最高领袖批准使用核武器？
Firefox是如何一步一步衰落的？
Android 开发时你遇到过什么相见恨晚的工具或网站？
以总理称已控制伊朗首都领空，领空被控制意味着什么？伊朗还可以通过空袭反击吗？
为什么有的女生喜欢穿紧身牛仔裤？
以色列是如何从三天前的不可一世要灭了伊朗到今天的哭哭啼啼要“为生存而战”的？
普通家庭对孩子最好的托举是什么呢？
中国设定的目标是在2030年前将航天员送上月球，并在月球上建立一个永久基地，若要成功起决定性的是什么？
请问ssh连接云服务器巨慢怎么解决？
我国新一代载人飞船「梦舟」零高度逃逸飞行试验成功，该实验有怎样的意义？「梦舟」在未来会发挥哪些作用？
陌生人晕倒了，帮他拨打120后，病人不支付120出车费，这个费用谁来承担？
凤凰传奇曾毅手表被指含性暗示元素，回应「以为是劳力士」，如何看待此事？公众是不是有些过度解读了？
如何在最短时间内提升打ctf（web)的水平？
国产手机AI「好用」的背后，是技术差距还是文化差异？
使用J***a开发简单CAD软件？
家里想搞个服务器，有什么好的建议方案吗？
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？
雷军为什么没有绯闻?
做个web服务器，gin框架和go-zero怎么选？
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？
18 月婴幼儿被陌生人灌啤酒，送医面部潮红浮肿、身体现多处皮疹，涉事者需承担哪些法律责任？
如何看待波音787首摔？
亚洲体坛最漂亮的十位女运动员都有谁？
核武器真的有宣传中那么牛逼吗？
