两年前，GPT-4才出来的时候，大家纷纷给大模型出的题目是小学奥数，什么鸡兔同笼，都会有一定错误率，那时候人看大模型，就像看个傻子。
一年前，GPT-4o来了，模型变小了，性能提高，小学奥数以及普通的中考题正确率大幅度提高，但是中考的解答题仍然不会做。
半年多前，o1出现，首先提供的还是o1-preview和o1-mini，这两个模型已经能做中考解答题了，接下来只剩高考大题做不了。
然后今年，o3、o4-mini、gemini 2.5 pro……终于…。
代码：
如何看待日本小学校园餐只有一小块鸡肉？
美国还有能力建造一艘核动力航母么？
为什么一般人不建议住别墅?
轰20的亮相为什么被反复推迟？
6 月 18 日苏炳添跑出 11 秒 37 未能进入决赛，这是否意味着职业生涯已经进入新阶段？
一名女子在杭州万象城遭挟持被捅 20 多刀，隆胸***体救了一命，这反映出哪些公安系统的问题？
为什么都说 Finder 难用？
请问您见过最惊艳的sql查询语句是什么？
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？
可以随身携带一个Linux系统吗？
为什么感觉现在的 bilibili 很没意思？
男医生在给年轻靓丽的女性检查时会是什么心态？
如何评价“寡姐”斯嘉丽·约翰逊的身材？
Golang vs Rust vs Dlang 哪个更有前途，哪位大牛这 3 门语言都用过？
如看看Doinb直播松松真的回去了，疑似已经被TES换人？
为什么腾讯云或者阿里云不让自建dns服务器?
如何看待Ollama基于Go语言开发而不是别的编程语言？
ant-design-vue 社区为什么不维护了？
好的游戏设计有很多，有些也不难在程序上实现，为什么很多新游戏还是不会用已有的好的设计呢？
30岁了，你在深圳过着什么样的生活？
Rust使用？多次传播错误后，怎么定位最开始发生error的地方？
如何看待三峡集团总部搬迁至武汉？
如何看待不超过1879元的Mac mini（M4+16/256GB+票），易用性吊打同级其他台式电脑？
人常说女人味，到底是个什么味？
有一个乌克兰的朋友问我，中国人凭什么能享受和平，我该怎么说？
为何 PC 需要单核高性能，而服务器不在乎？
为什么在互联网开发中，.NET干不过JAVA、Python、Go、NodeJS？
***拍大尺度片子时摄影师不会看光吗？
系统该怎样架构才能处理实时热点数据？
