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：
以色列为什么突然敢打伊朗了？不怕被报复？
2025年现在开发php项目选择lar***el框架好还是thinkphp框架好？
什么是微软式中文？
Flutter 为什么没有一款好用的UI框架？
阿里云为什么没有一年的免费云服务？
老公想要买2万左右的相机，我该同意吗？
群晖 nas 有些什么基本和好玩的功能？
如何评价《一人之下》***第721（764）话情报？
追妻火葬场的文有没有？
国产手机AI「好用」的背后，是技术差距还是文化差异？
如何看待机器之心重测高考数学全卷，Gemini夺冠，豆包DeepSeek并列第二？
为何 Linus 一个人就能写出这么强的系统，中国却做不出来？
Swift 和同时代的其他语言比起来怎么样？
央行宣布八项重磅金融开放举措，将设立数字人民币国际运营中心等，释放了哪些信号？
大街上看到大白腿，忍不住瞄了两眼，算不算不尊重女性？
如果全球都停止出口粮食，中国能否自给自足？
一个程序员的水平能差到什么程度?
56 岁白岩松踢球摔倒久不能起，他目前情况如何？踢球时需要注意什么？
Python 开发中如何进行文件读写操作？
中国军事力量在亚洲能排第一吗？
如何评价MiniMax推出的全球首个开源大规模混合架构的推理模型MiniMax-M1，其有何技术优势？
我国的军工能力可以实现一天5000枚火箭弹连着炸三个月吗？
你发生过的最尴尬的事是什么？
如果一个人有足够的钱让他一直***，那毒品对他的身体还有害吗？
为什么官方详细通报了“罗某宇坠楼***”，还有很多人不信？
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？
为什么有的人一看就是老实人？
编程语言 MoonBit 发布 Beta 版，正式进入企业场景应用，会带来哪些影响？
现在你有多少存款？
