百川开源全球最强医疗大模型M3,「严肃问诊」定义AI医疗新能力
创始人
2026-01-13 18:17:10

2026年1月13日,百川智能正式开源新一代医疗大模型 Baichuan-M3,其在全球最权威的医疗 AI 评测 HealthBench 中以 65.1 分的综合成绩位列全球第一;在专门考验复杂决策能力的 HealthBench Hard 上,也以44.4分的成绩夺冠。这一成绩,不仅刷新了 HealthBench 的最高分,更首次在医疗领域实现了对 GPT-5.2 的全面超越。在OpenAI引以为傲的低幻觉领域,M3也实现了超越,幻觉率3.5全球最低。

此外,M3 还首次具备了原生的“端到端”严肃问诊能力。它能像医生一样主动追问、逐层逼近,把关键病史和风险信号问出来,进而在完整的信息上进行深度医学推理。评测显示,其问诊能力显著高于真人医生的平均水平。

Hugging Face 地址:https://huggingface.co/baichuan-inc/Baichuan-M3-235B

GitHub 地址:https://github.com/baichuan-inc/Baichuan-M3-235B

医疗沟通和推理能力超越 GPT-5.2,登顶世界第一

2025年5月份,OpenAI发布HealthBench,由 262 位来自 60 个国家的医生共同构建,收录了 5000 组高度逼真的多轮医疗对话,构建了全球最权威、也最贴近真实临床场景的医疗评测集。这一事件,被视为 OpenAI 在医疗领域开始“重兵投入”,吹响进军医疗的号角。

相当长一段时间里,无论是HealthBench总分还是 HealthBench-Hard 子集, GPT系列模型从未被超越。2025 年 8 月,百川开源医疗增强大模型 M2 在 HealthBench 上力压 gpt-oss-120B、DeepSeek-R1 等同期所有开源模型,并在 HealthBench Hard 上取得 34.7 分的成绩,仅次于GPT-5,成为全球唯二突破 32 分的模型。

2025年,强化学习无疑是新一代 Scaling Law 的技术中轴。在M2 发布后的五个月里,我们对强化学习系统进行了全面升级,将原本以患者模拟器和静态 Rubric 为主的半动态反馈,升级为随模型能力不断演进的全动态 Verifier System。随着监督信号持续变细、变难,模型得以不断突破能力上限,使 M3 在复杂医学问题上的表现实现跃迁,不仅在 HealthBench 总分上超越 OpenAI 最新模型 GPT-5.2,也在 HealthBench Hard 上登顶,成为当前全球医疗沟通和推理能力最强的医疗大模型。

重构幻觉抑制的训练范式,刷新医疗幻觉率底线

幻觉是这一代大模型技术范式的通病,更是AI进入严肃医疗的拦路虎。在大多数场景幻觉只是体验问题,而在严肃医疗场景可导致安全事件。

降低幻觉,一直是 OpenAI 最重视的研究方向之一。几乎每一代 GPT 模型的幻觉率均为行业最低。OpenAI也是第一个单独评测医疗能力和提供医疗服务的通用模型公司。

国内 DeepSeek等模型的普及,让越来越多人开始使用AI并尝试进行医疗健康咨询。但大多数模型公司并没有把“降幻觉”提升到与推理、代码等相同的高度。用这样的模型获取健康咨询和诊疗建议,对AI医疗的普及和医患信任建立带来很大困扰。

百川M3将医疗幻觉抑制前移至模型训练阶段,在强化学习过程中将医学事实一致性作为核心训练目标之一,将“知之为知之,不知为不知”直接作用于模型自身能力的形成过程。这一新的训练方法将医学事实可靠性内化为M3自身的基础能力,使其在不借助任何外部系统的情况下,依然能够基于自身医学知识进行稳定、可信的作答。

通过将事实一致性约束融入训练流程,M3重构了幻觉抑制的训练范式,在不依赖工具或检索增强的纯模型设置下,医疗幻觉率3.5,超越GPT-5.2,达到全球最低水平。

构建「严肃问诊」新能力,端到端问诊超越真人医生

除了强推理和低幻觉,端到端的问诊能力是本次M3最重要的一项突破。2025年行业的技术共识是,用户提供更完整的上下文,模型才有更好的表现。可在医疗领域,患者很难完整表达自己的病症,需要模型像医生一样有能力把患者的混乱叙述转变成可做诊疗决策的信息。

HealthBench代表了OpenAI对临床场景的认知高度,然而它本质上是一个切片式的评测,考核的更像是“AI会不会回答问题”,而不是带着诊疗目标,完整的患者信息收集。这也正说明了行业对问诊重要性和建模思路的理解不足。

应用实践中,通过prompt“你是一位经验丰富的医生”,激活模型的“角色扮演”是更常见的做法。这种方式得到的是模型的表演行为,而非内生能力,激活的是模型应该提问的行为,而不是必须获取关键信息的思考。例如,临床医生面对患者的第一反应,永远是先排除危急重症,再考虑常规诊疗,这是刻在职业本能里的安全优先级。但常见的“角色扮演”的问诊方式,无法将“红旗征识别与处置”作为核心行动原则。这种不围绕关键风险点展开的信息收集,即便对话看似完整,也难以支撑安全、可靠的临床判断,从根本上偏离了医疗“安全第一”的原则。

针对这一行业困境,我们提出了“严肃问诊范式”与“SCAN原则”,通过Safety Stratification(安全分层)、Clarity Matters(信息澄清)、Association & Inquiry(关联追问)与Normative Protocol(规范化输出),将临床问诊中高度依赖经验的思维过程,第一次系统性地“白盒化”。

围绕SCAN原则,我们借鉴医学教育里长期使用的 OSCE 方法,联合 150 多位一线医生,搭建了 SCAN-bench 评测体系,该体系以真实临床经验作为“标准答案”,将诊疗过程拆解为病史采集、辅助检查、精准诊断三大阶段,通过动态、多轮的方式进行考核,完整模拟医生从接诊到确诊的全过程。相比于HealthBench,SCAN-bench是更加全流程端到端的动态评测新范式。

同时,我们还使用原生模型训练方法取代角色扮演prompt,针对GRPO无法稳定进行长对话训练的问题,设计了新的 SPAR 算法,使模型能够在有限对话轮次中,把临床真正需要的关键问题问全、问准,把风险兜住,让输出经得起复核。

在实验过程中我们发现,问诊准确度每增加2%,诊疗结果准确度就会增加1%。评测结果显示,M3 在SCAN的四个维度均显著高于人类医生基线水平,并大幅领先于国内外顶尖模型,成功构建了从精准的临床问询、深度医学推理到安全可靠决策的闭环。

从 1 月初 OpenAI 发布医疗产品 ChatGPT Health,到今天 Anthropic 推出 Claude for Healthcare,AI 医疗正在全球范围内提档加速,竞争也正式进入深水区。在这场竞速中,作为国内唯一专注医疗的大模型企业,百川持续突破低幻觉率、端到端问诊和复杂临床推理等核心能力,已从“跟随者”跃迁为行业“引领者”与新范式的“定义者”,正以硬核实力扛起中国 AI 医疗发展的旗帜。

我们的医疗应用“百小应”已同步接入 M3,面向医生与患者开放相关能力。医生可借助它推演问诊与诊疗思路,患者及家属也可通过该应用更系统地理解诊断、治疗、检查与预后背后的医学逻辑。(白丽)

⚠️
本网站信息内容及素材来源于网络采集或用户发布,如涉及侵权,请及时联系我们,发送链接至2697952338@QQ.COM,我们将第一时间进行核实与删除处理。

相关内容

热门资讯

《城堡》:在可望不可即的官僚迷... 一、为什么读这本书在卡夫卡的作品里,《审判》写一个人莫名被审判,《变形记》写一个人变成甲虫,而《城堡...
《半生缘》:十四年后那句回不去... 一、为什么读《半生缘》在张爱玲的作品序列里,《半生缘》是个特别的存在——它是她第一部也是唯一一部完整...
《白痴》:在美能否拯救世界的追... 一、为什么读这本书有一句话被反复挂在人们嘴边——"美能拯救世界"。很多人知道它出自陀思妥耶夫斯基,却...
《牡丹亭》:一场穿越生死的梦,... 一、为什么读《牡丹亭》在四大名著与唐诗宋词之外,明代传奇戏曲是一座常被忽略的高峰,而《牡丹亭》正是这...
《米德尔马契》:在破碎的理想里... 一、为什么读这本书在讨论"伟大的小说"时,《米德尔马契》几乎总在名单前列:它曾入选英国广播公司"塑造...
《小妇人》:在清贫与梦想之间长... 一、为什么在今天重读《小妇人》很多经典被记住,是因为它们回答了一个时代的问题;《小妇人》却相反,它把...
《大师与玛格丽特》:在魔幻与现... 一、为什么在这个荒诞的夜晚翻开它有一类书,初读觉得荒诞离奇,再读却冷汗涔涔,因为你会发现它写的并不是...
《童年》:在苦难与丑恶之间,外... 一、为什么在最暗的书里寻找光很多人对高尔基的印象停留在《海燕》和《母亲》,那是一个高亢而斗志昂扬的作...
《不能承受的生命之轻》:在轻与... 在众多被称作哲学小说的作品里,米兰·昆德拉的《不能承受的生命之轻》是最容易被误读的一本。许多人把它当...
《金阁寺》:当美成为枷锁,一个... 在日本战后文学里,三岛由纪夫的《金阁寺》是一部很难用好看来形容的小说。它没有跌宕的情节,没有鲜明的正...
《理智与情感》:在克制与纵情之... 读简·奥斯汀,常常像是在一间光线柔和的客厅里听人闲谈,话题不外乎婚姻、金钱与体面,却在不动声色间把人...
《悉达多》:走完所有弯路,才懂... 一、为什么在人生的中途读《悉达多》有些书适合在年轻时读,有些书要等到被生活打磨过才读得进去,《悉达多...
谷歌人肉搜索到底能扒出多少东西... 搜“谷歌人肉搜索”这几个字的人,多半是两种情况:一种是听说某个网友被人扒了底朝天,好奇这到底是怎么做...
《无人生还》:孤岛童谣里的罪与... 一、为什么在畅销之外仍要重读它在信息过载的时代,推理小说很容易被当成消遣的智力游戏:读到最后一页,知...
《香水》:在气味与欲望之间读懂... 一、为什么读这本书在浩繁的经典里,《香水》是一部极难归类的作品。它出版于二十世纪八十年代中期,是德国...
《父与子》:在两代人的争执里读... 一、为什么读这本书我们这一代人对"代沟"这个词并不陌生。父母与子女之间,似乎总有一场谈不拢的争论:什...
《解忧杂货店》:时空交错中,谁... 一、为什么读这本书第一次听说《解忧杂货店》时,我有些犹豫。它以推理小说家著称,写过《白夜行》《嫌疑人...
中国igbt网是干什么的?查型... 搜索“中国igbt网”,跳出来的通常是一个做IGBT垂直资讯的行业门户,页面上密密麻麻排着型号、参数...
《嫌疑人X的献身》:在极致献身... 一、为什么读这本书在东野圭吾众多的作品里,有一本始终被读者反复提起,它就是获得直木奖与本格推理小说大...
《动物庄园》:一场革命如何被权... 一、为什么在今天重读这部政治寓言《动物庄园》薄薄一册,却是我反复重读的书。它出版于1945年,作者乔...
《大卫·科波菲尔》:在苦难与告... 一、为什么重读这部最钟爱之作在狄更斯众多长篇里,《大卫·科波菲尔》位置特殊。它既不像《雾都孤儿》那样...
《罗密欧与朱丽叶》:一场误会如... 一、为什么读这部戏在莎士比亚的众多剧作里,《罗密欧与朱丽叶》是个特殊的存在。它创作于一五九五年,属于...
《雾都孤儿》:在济贫院与贼窝之... 一、为什么读这本书在狄更斯浩繁的作品里,《雾都孤儿》是他第二部长篇,也是流传最广的一部。我重读它,不...
《红字》:在耻辱的标记下追问罪... 一、为什么读《红字》在美国文学的殿堂里,霍桑的《红字》占据着一座绕不开的高地。它出版于一八五〇年,被...
《树上的男爵》:在树上与大地之... 一、为什么读《树上的男爵》在众多谈论"如何生活"的书里,《树上的男爵》是最特别的一本:它不急着给答案...