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：
特厨隋坡探店成都快餐店，给出80分以上的高分，为什么评分远高于大饭店？
055驱逐舰 是个什么概念?
你卡过最厉害的bug是什么？
字节大量使用新语言，包括go，rust等，为什么阿里一直都抱着j***a不松手？
vue 框架开发的项目结构是如何搭建的？
只能选一个，你选谁？
如何评价中国电科研发的JY-10防空指挥控制系统成为伊朗防空指挥系统核心？
网友称在桔子水晶酒店洗漱包内发现用过的四联检测盒，具体是怎么回事？酒店要承担哪些责任？
求推荐一款中小企业使用的进销存软件（零售批发类，要有记录序列号功能）?
为什么MacBook pro不用高刷新率的屏幕？
2025年现在开发php项目选择lar***el框架好还是thinkphp框架好？
为什么章若楠和杨超越长得很像，男人却更喜欢章若楠，认为有女人味，而觉得杨超越像小女孩？
如果两辆同型号的车换了车牌，电子警察会发现吗？
postgres集群的选择?
异性同办公室久了会不会日久生情？
如何看待 2026QS 世界大学排名？
Caddy 和 Nginx 比有哪些优点和缺点？
go为了编译速度减少了很多编译优化？为什么不能提供优化编译模式来提升运行效率？是太懒还是另有隐情？
降维打击是什么？
网传厦门某国企研发部门要求每日考察后端 400 行，前端 1000 行代码量，如属实，这个考核合理吗？
duckdb的性能如何？
lar***el是php架构最垃圾的性能，为什么那么多人还是自我感觉良好？
公务员家庭聚餐也禁止了吗？
如何看待伊朗媒体发布「手摸核弹」***，并配文「MAYBE」？
维护一个大型开源项目是怎样的体验？
中国的导弹水平到底怎么样？
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？
自己拥有一台服务器可以做哪些很酷的事情？
Golang与Rust哪个语言会是今后的主流？
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？
