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：
为什么都说武器越怪，死的越快？
UBI（Universal basic income，全民基本收入）可行吗？
duckdb的性能如何？
你为什么放弃了wsl？
“哨兵模式”涉嫌泄密，你支持封杀特斯拉吗？
亚洲体坛最漂亮的十位女运动员都有谁？
为什么中国足协成了“过街老鼠”了？
哪里有便宜的实时level2接口?
为什么有的房东喜欢把房间租给女租户？
凤凰传奇曾毅公开佩戴含有不雅元素的手表，这涉嫌违法吗？如何从法律角度解读？
既然富人财富占社会总财富的 80%，那么鼓励富人消费不就可以了吗？
异性同办公室久了会不会日久生情？
如何看待M4单核性能吊打9950x?
系统文件夹FONTS里的字体能不能删掉那些根本不会用到的字体？
如何评价腾讯元宝桌面端使用 Rust 的 Tauri 框架？
Chrome 浏览器设计的神细节有哪些？
如何评价广州这座城市？
go 有哪些成熟点的后台管理框架？
为什么 Windows 没有比较成熟的第三方桌面环境（explorer.exe）？
为什么这次以色列打伊朗，网上声讨的人少了，反而都是嘲笑调侃伊朗？
为什么中国现在全球军事实力第一，但包括中国人在内很多人不认可？
为什么 Windows 系统上的安装包有 exe 和 msi 两种格式，有什么区别？
PHP现在真的已经过时了吗？
洲际导弹能打到任何地方，为什么还需要轰炸机？
Linux里面usermod -L zhangsan命令是什么？
为什么游戏中，中国跟欧洲的时延这么大，是否是海底光缆距离过长的原因？
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?
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？
黄金，今年会达到怎样的高度？
穿瑜伽裤爬山的女生会不会害羞？
