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：
字节跳动技术副总裁开源了自己与Trae合作的首个项目，如何评价目前AI开发的水平？
如何评价腾讯元宝桌面端使用 Rust 的 Tauri 框架？
为什么国人普遍不接受月付的订阅制而喜欢一口价买断制呢？
是什么原因让你一定要用 iPhone？
历史上，寒潮最南能影响到哪里?有北半球寒潮影响到南半球或南极寒潮影响到北半球的记录吗？
为什么觉得小米的系统越来越不行了？
为什么国内程序员不喜欢写单元测试？
为什么现在吹Rust的人这么多？
《捞女游戏》发售仅一天同时在线超 6330 人，如何看待游戏的销量？
小米澎湃OS和华为鸿蒙OS，他们有什么不一样，谁更有发展前途？
生活中怎样的美女才能被称为「大」美女？
怎么学习前端开发？求推荐学习路线？
如何评价“寡姐”斯嘉丽·约翰逊的身材？
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？
被称为「人间尤物」的女主，有多绝？
评价一下Proxmox VE与ESXi的优劣？
PHP初学者，我能不能使用PHP来开发桌面应用？
中国的歼35A可以吊打十架韩国的KF21吗?
大家为什么会讨厌缩写？
大部分语言都用尖括号<>表示泛型，为什么golang要标新立异用中括号？
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？
各位都在用Docker跑些什么呢？
中国人口正经历前所未有大转折，如何看待中国人口负增长？应该怎样应对？
golang和rust你选择哪个？
我应该设置多少kb才能让他不能玩游戏？
为什么 php 可以做到 7 毫秒以内响应，而 .net 做不到？
韦东奕（北大韦神）要是去写游戏引擎代码，能不能把虚幻引擎按在地上摩擦？数学好真能‘降维打击吗？
Go 语言 Web 应用开发框架，Iris、Gin、Echo，哪一个更适合大型项目？
Rust、Go、Zig、Dart、C3、C++、C，仓颉、moonbit、凹语言哪个语言更有未来？
Linux里面usermod -L zhangsan命令是什么？
