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：
北京日报点名批评“苏超”过度娱乐化的动机是什么？
华为Pura 80首销遇冷，是否说明消费者已经开始对麒麟芯片性能有所觉醒？
如何评价ipad pro2024？
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？
如何自己搭建家庭服务器？
程序员如何用好 Cursor 工具？
DLM（扩散语言模型）会成为2025年的Mamba吗？
你们在编程时遇到过什么离谱的bug吗？
如何评价***伊内斯·特洛奇亚的身材？
为何本田不给我们2.0T的雅阁，真的是有钱不赚吗？
Windows微信4.0是用Qt写的吗？腾讯不是前脚才说Qt人才匮乏？
为什么感觉现在的 bilibili 很没意思？
男子因眼睛小被小米汽车系统频繁误判疲劳驾驶，一路提醒20多次，这是智能汽车通病吗？怎么解决该 bug？
轰20的亮相为什么被反复推迟？
如何看待凤凰传奇取消天津场演唱会？
如何看待国内服装尺码越来越小的现象？
tcl65c11gpro电视机应该匹配什么参数的网关，路由器和光猫？现在的网速是500兆的电信运营商？
如何评价《头文字D》中的夏树？
中年夫妻有多少生活和谐的？
你认为美国最近30年最烂的一个总统是谁？
女人出去约会，是喜欢穿裙子还是裤子?
snipaste怎么安装?
如何评价DuckDB?
什么是歼20完全体？
如何看待《捞女游戏》导演***辉B站账号遭封，是否遭到打击报复?
在办公室用机械键盘是什么心里？
作为一个服务器，node.js 是性能最高的吗？
胸大的女孩子有什么烦恼？
以色列为什么要打伊朗？
