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：
高校里那些「非升即走」后「走」了的青年教师都怎么样了？
如何看待 Rust 写的 PNG 解码器比 C 实现更快？
postgres集群的选择?
前端因为像素还原设计稿而离职，这是个别现象吗？
为什么长得漂亮却没什么用?
如何看待 2026QS 世界大学排名？
明星现实中真的很漂亮吗？
PHP现在真的已经过时了吗？
魔兽世界有必要4k吗?
为何有人说儒家文化下极容易产生「伪君子」？它的道德教化不是以平等和尊重的为前提的吗？
为什么中国JK无法拍出日本JK的感觉?
大家知道为什么艺术家都喜欢画女人体吗？
学生校服如何隐藏内衣痕迹?
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？
鸿蒙折叠屏笔记本为什么敢卖26999？
有一张巨强的显卡是什么体验？
你卡过最厉害的bug是什么？
一名女子在杭州万象城遭挟持被捅 20 多刀，隆胸***体救了一命，这反映出哪些公安系统的问题？
独立开发桌面程序（Windows）UI框架选择哪个更好？
如何看待不超过1879元的Mac mini（M4+16/256GB+票），易用性吊打同级其他台式电脑？
北大「韦神」粉丝破 2000 万，评论区成高考许愿池，如何看待家长们纷纷从韦神这里「沾福气」的心理？
吴柳芳的真实水平如何？
女明星做了什么医美项目保持童颜？
为什么中国很少有人使用linux？
如何评价Cursor？
如何看待三峡集团总部搬迁至武汉？
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？
为什么同样是输球，常州和国足的风评却差那么多呢？
有一个***约你出去，你会去吗？
