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：
如何看待时下被部分网民力推的“双输好过单输”观念？
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？
写业务的话，go是不是垃圾？
Rust 使用 Result 的错误处理方式与 Golang 使用 error 的方式有什么本质区别？
如何评价思源笔记?
内网设备，USB口被禁用，只能连接鼠标和键盘，有什么办法可以实现数据拷入？
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？
什么是去了江西才知道的?
能分享一下你写过的rust项目吗？
全平台应用框架会是趋势吗？flutter、tauri、maui你更看好哪一个？
2025年现在开发php项目选择lar***el框架好还是thinkphp框架好？
为什么水泥封不住尸臭?
有哪些新生代没见过或者无法理解的 Windows XP 7 时代的事情？
如何评价“寡姐”斯嘉丽·约翰逊的身材？
不管黑客用了多少跳板，最终是不是可以通过网络运营商找出真实 IP？
Electron 和当下其他的桌面开发方法相比如何？
为何雷军天天健身，却无健身痕迹?
要不要帮导师装服务器?
哪个牌子的护肤品好呀？想给妈妈买一套抗衰老的护肤品?
日本AV对中国人的毒害有多大？
为什么现在的药品名都不直接写明治什么病，而是用一堆奇怪的音译名？
不用CDN就没事，用阿里云CDN就被攻击刷流量，阿里云表示证明不了就要用户买单，如何看到这种行为？
30岁了，你在深圳过着什么样的生活？
如何看待 Anthropic 发布的 Claude 4 Opus/Sonnet？对行业有什么影响？
女主播和榜一大哥现实碰面会做什么？
在外国人眼中，中国的发展有多快？
中国外交部及有关使领馆正迅速组织撤离在以、伊的中国公民，目前当地情况如何？
男的真爱一个女生会是什么样子的?
arxiv国内有镜像网站吗？
