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：
为什么有的女生喜欢穿紧身牛仔裤？
老板说我设计了一周的海报还是不行，我到底该怎么学啊？
如果北京放开车牌，未来会怎样？
为什么鸿蒙PC要排斥Linux生态？
为什么 Windows 系统上的安装包有 exe 和 msi 两种格式，有什么区别？
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？
中国的高铁数量过剩吗？
西方人是怎么发现地球是圆的的？
055一打一能不能打过阿利伯克？
mozilla技术先进，为什么不挣钱？
如何看待多地开展查摆年轻干部玩心重、混日子、说话随意、口大气粗等问题的行动？
怎么知道女人动了真情?
有没有一款音乐播放器，能连接nas音乐，创建音乐库，自动匹配歌词封面等等？类似infuse的概念呢？
女生真正的完美身材是什么样子？
DF-41已经可以打击美国本土，这是否相当于古巴导弹危机常态化？
如何评价书籍《国家意志》？
群晖 nas 有些什么基本和好玩的功能？
《西西里美丽传说》女主角，在当时打扮这么高调，不觉得带给自己很多不便吗？如何理解她的心态？
都说苹果是细节狂魔，那苹果有没有细节其实做的很差的点？
吃爽了是怎样一种体验？
如何看待大量水库改名为湖?
和女生旅游开一间房有什么注意事项？
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？
巅峰期的成龙身体素质是怎么一种存在?
请问有人能估计一下 go 相比 php 在不同用户量下能省多少钱吗？
MiniMax Week第三天推出通用 Agent，体验如何？对行业会带来哪些影响？
JetBrains 放弃 AppCode 是否是一个错误决定？
为什么新流行的开源编辑器都在用Rust开发？
消息称苹果 macOS 26 将不再支持部分旧款英特尔 CPU 机型，这背后原因有哪些？
微信头像会影响第一印象吗？
