你都有哪些压箱底的测试题，是目前的推理模型做不出来的？

推理模型是指 DeepSeek-R1、OpenAI-o1/o3、Gemini 2.0 Flash Thinking 这类模型。 测试题得是目前的人类可以做出来的。诸如证明黎曼猜想之类的测试题就不用放上来了。

[2 张图片]

湖北随州是我的家乡，那里有一条大洪山脉，山脉的主峰就在我们随县境内。 大洪山古称绿林山，是中国历史上著名的第二次农民大起义“绿林起义”的发源地，也是东汉开国皇帝刘秀的发祥地，史称“光武中兴，兆于绿林”。“绿林好汉”一词正是起源于此。 大洪山宝珠峰是大洪山脉主峰，气势雄峻。山体由辉绿岩和变质砂岩构成。唐朝时期，山顶建有庞大的寺院。山顶由三峰连为一体，东北有鼓楼峰，东南有钟楼峰，西北有舍身崖。三峰居中有一片浅凹地，这里有一泉曰“黄龙池”，是......

2025 年 3 月 31 晚，奥特曼宣布: 几个月后将发布自 GPT-2 以来的第一个开源 openai 模型，这对大模型领域有何影响。