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：
我的实际车速是66km/h，旁边有车超速，我被拍了违章，说是车速85km/h，怎么申诉?
大量消息在 MQ 里长时间积压，该如何解决？
请问一个判决进不进中国裁判文书网的标准是什么？
如果SSD硬盘闲置很多年，内部数据会不会丢失？
伊朗这次让以色列打惨了，这个国家还能挺过来吗？
能够自己一个人创业的全栈web码农fullstack developer要会哪些技术？
AI数字人应该怎么制作？求介绍！?
为什么程序员独爱用Mac进行编程？
广州的公共交通为什么这么烂？
汉语是牺牲了什么，才成为世界最紧凑、最高效的语言？
女生被踢裆也会很疼吗？
公立医生帮联系民营救护车，800 公里收费 2.8 万元，收费合理吗？救护车收费标准是什么？
如何看待郑钦文盘中破发点换鞋？
女明星陪酒真的存在吗？
为什么音乐老师几乎都是女的？
住在一个脏乱差的家里十几年是什么感受？
055一打一能不能打过阿利伯克？
Office 中为何还要保留 Access 数据库?
黑客为什么可以做到无需知道源码的情况下找出系统漏洞？
写CUDA到底难在哪？
如何评价DuckDB?
女主播和榜一大哥现实碰面会做什么？
女生真正的完美身材是什么样子？
如何看待华人派遣赴日it彻底崩了？
大海捞针还捞着了是一种什么样的体验？
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？
为什么网上对 2.0T 发动机偏见这么大?
以色列伊朗持续多日空对空轰炸，谁会先撑不住？双方的***还能支撑多久？还有哪些「杀手锏」没投入战场？
女明星做了什么医美项目保持童颜？
异性同办公室久了会不会日久生情？
