新智元報(bào)道

編輯：艾倫

【新智元導(dǎo)讀】百川發(fā)布并開源全球最強(qiáng)醫(yī)療模型 Baichuan-M3，各項(xiàng)指標(biāo)均已 SOTA！同時(shí) M3 也超越了人類醫(yī)生的平均水平。它最大的進(jìn)步是告別了機(jī)械的「背醫(yī)書」，學(xué)會(huì)了像真人醫(yī)生一樣主動(dòng)追問、排查病因，主打「嚴(yán)肅問診」，不僅能把模糊的病情問清楚，更解決了 AI「胡說八道」的頑疾，準(zhǔn)確度超越 GPT-5.2-High。這是 AI 從「聊天機(jī)器人」向「專業(yè)醫(yī)生」進(jìn)化的關(guān)鍵一步。AI醫(yī)療，奇點(diǎn)已至。

在很長一段時(shí)間里，人們習(xí)慣了這樣一種人機(jī)交互：你在搜索框或聊天窗口輸入「頭痛怎么辦？」，屏幕對(duì)面會(huì)瞬間拋回幾千字關(guān)于腦瘤、高血壓或頸椎病的百科知識(shí)，最后附上一句正確的廢話——「建議您及時(shí)就醫(yī)」。

這不僅是搜索引擎時(shí)代的頑疾，也是目前大模型的通病。

它們像是一個(gè)博聞強(qiáng)記但缺乏臨床經(jīng)驗(yàn)的醫(yī)學(xué)生，背下了所有醫(yī)書，卻不懂得如何面對(duì)一個(gè)活生生的人。

就在今天，這個(gè)僵局要被打破了。

百川智能發(fā)布并開源了新一代醫(yī)療增強(qiáng)大語言模型 Baichuan-M3。

在百川創(chuàng)始人王小川看來，這絕非僅僅是模型參數(shù)的升級(jí)，更是一次對(duì)「AI 醫(yī)療」的重新定義。

M3 不再滿足于做一個(gè)被動(dòng)的答題者，它試圖掌握一種人類醫(yī)生最核心的職業(yè)本能——嚴(yán)肅問診。

數(shù)據(jù)顯示，Baichuan-M3 在全球權(quán)威醫(yī)療 AI 評(píng)測 HealthBench 及其高難度子集 HealthBench Hard 上雙雙奪冠！

甚至在 OpenAI 最引以為傲的低幻覺領(lǐng)域，Baichuan-M3 也以 3.5% 的幻覺率擊敗了 GPT-5.2，實(shí)現(xiàn)全面 SOTA！

真正的變化體現(xiàn)在「百小應(yīng)」App 里：當(dāng)患者描述模糊的癥狀時(shí)，AI 不再急于給出結(jié)論，而是像一位經(jīng)驗(yàn)豐富的老大夫一樣，開始了一場抽絲剝繭的「偵探游戲」。

百小應(yīng)網(wǎng)頁端：https://ying.baichuan-ai.com/chat

從「被動(dòng)答題」

到「主動(dòng)追問」

醫(yī)療的本質(zhì)，是信息不對(duì)稱的博弈。

患者往往無法準(zhǔn)確描述自己的痛苦，「肚子疼」在醫(yī)學(xué)上可能對(duì)應(yīng)著從胃痙攣到急性胰腺炎等數(shù)十種可能。

之前，大多數(shù)醫(yī)療大模型的訓(xùn)練邏輯是「完形填空」——盡力補(bǔ)全用戶話語中的缺失。

OpenAI 發(fā)布的 HealthBench 評(píng)測集，本質(zhì)上考查的也是這種「單輪靜態(tài)問答」能力。

然而，百川的技術(shù)團(tuán)隊(duì)發(fā)現(xiàn)，這種邏輯在真實(shí)臨床中是危險(xiǎn)的。

醫(yī)生看病，第一件事永遠(yuǎn)是排除危急重癥。

但在傳統(tǒng)的提示詞工程下，AI 往往因?yàn)榧庇诒憩F(xiàn)「博學(xué)」，而忽略了對(duì)「紅旗征」（指危險(xiǎn)信號(hào)）的排查。

Baichuan-M3 的核心突破，在于它首次具備了原生的「端到端」嚴(yán)肅問診能力。

這種能力源于百川獨(dú)創(chuàng)的 SCAN 全新問診原則。

在百小應(yīng)的實(shí)際體驗(yàn)中，如果用戶說「頭暈」，M3 不會(huì)立刻列舉頭暈的原因，而是會(huì)啟動(dòng)一套縝密的追問邏輯：

• 安全分層（Safety Stratification）：「是一陣一陣的暈，還是天旋地轉(zhuǎn)？有沒有伴隨惡心嘔吐？」（排查中風(fēng)或耳石癥風(fēng)險(xiǎn)）

• 信息澄清（Clarity Matters）：「最近有沒有熬夜或測量過血壓？」（量化誘因）

• 關(guān)聯(lián)追問（Association & Inquiry）：基于初步回答，像偵探一樣鎖定嫌疑病因。

在以往，長輪次的對(duì)話訓(xùn)練容易讓模型「迷路」，導(dǎo)致邏輯破碎。

百川新的SPAR 算法通過分步懲罰機(jī)制，讓 AI 學(xué)會(huì)了在有限的對(duì)話輪次中，精準(zhǔn)地問出最關(guān)鍵的信息。

在百小應(yīng)上，這意味著 AI 能將患者口中「有點(diǎn)痛」、「不舒服」等主觀體感，轉(zhuǎn)化為醫(yī)生看得懂的、結(jié)構(gòu)化的臨床數(shù)據(jù)。

攻克「AI 的痼疾」：幻覺

如果說「不會(huì)問診」只是讓 AI 顯得笨拙，那么「幻覺」則意味著安全風(fēng)險(xiǎn)。

在嚴(yán)肅醫(yī)療場景下，大模型一本正經(jīng)地胡說八道（即 AI 幻覺）是不可接受的。

2025 年，盡管 DeepSeek 等國產(chǎn)模型讓 AI 普及到了千家萬戶，但大多數(shù)通用模型公司并未將「降幻覺」提升到與寫代碼、做數(shù)學(xué)題同等的高度。

百川選擇了一條更難的路：將醫(yī)療幻覺抑制前移。

不同于行業(yè)通用的「外掛知識(shí)庫」（RAG）模式，Baichuan-M3 試圖從「基因」里剔除幻覺。

技術(shù)團(tuán)隊(duì)構(gòu)建了一套事實(shí)感知強(qiáng)化學(xué)習(xí)（Fact-Aware RL）架構(gòu)。

簡單來說，就是在模型訓(xùn)練的每一次獎(jiǎng)懲中，都加入對(duì)醫(yī)學(xué)事實(shí)的嚴(yán)苛校驗(yàn)。

這相當(dāng)于在 AI 的大腦里植入了一個(gè)實(shí)時(shí)的「審稿人」。

當(dāng)模型試圖為了讓答案看起來通順而編造一個(gè)藥物劑量時(shí)，懲罰機(jī)制會(huì)立刻介入。

這種「內(nèi)化」的訓(xùn)練方法效果顯著。

在不依賴任何外部搜索工具的情況下，M3 的醫(yī)療幻覺率降至 3.5%！

這一數(shù)據(jù)不僅優(yōu)于 GPT-5.2，更是刷新了全球的最好成績。

對(duì)于百小應(yīng)的用戶來說，這意味著 AI 給出的每一條建議，是基于嚴(yán)謹(jǐn)醫(yī)學(xué)邏輯的「負(fù)責(zé)任表達(dá)」。

在遇到自身知識(shí)邊界外的復(fù)雜病例時(shí)，M3 更傾向于引導(dǎo)就醫(yī)，而不是盲目自信地開方。

誰來給「AI 醫(yī)生」監(jiān)考？

如何評(píng)價(jià)一個(gè)醫(yī)生的水平？看他背了多少書，還是看他治好了多少人？

過去，以 HealthBench 為代表的評(píng)測集，更像是醫(yī)學(xué)院的筆試題。

它考核的是 AI「會(huì)不會(huì)回答問題」。

但在百川看來，這遠(yuǎn)遠(yuǎn)不夠。

臨床如戰(zhàn)場，醫(yī)生面對(duì)的是動(dòng)態(tài)的、混亂的、信息不全的真實(shí)世界。

醫(yī)療模型必須要能夠帶著診療目標(biāo)，完整的收集患者信息。

為了給 M3 一場真正的「臨床大考」，百川聯(lián)合 150 多位一線醫(yī)生，借鑒醫(yī)學(xué)教育中經(jīng)典的 OSCE（客觀結(jié)構(gòu)化臨床考試）方法，搭建了 SCAN-bench 評(píng)測體系。

這是一個(gè)包含病史采集、輔助檢查、精準(zhǔn)診斷全流程的動(dòng)態(tài)考場。

AI 不僅要答對(duì)最后的病名，還要被考核「問診思路是否清晰」、「檢查開得是否合理」、「有沒有漏掉高危風(fēng)險(xiǎn)」。

在實(shí)驗(yàn)過程中百川發(fā)現(xiàn)，問診準(zhǔn)確度每增加 2%，最終診療結(jié)果的準(zhǔn)確度就會(huì)提升 1%。評(píng)測結(jié)果顯示，M3 在SCAN的四個(gè)維度均顯著高于人類醫(yī)生基線水平，并大幅領(lǐng)先于國內(nèi)外頂尖模型。

分?jǐn)?shù)超越人類醫(yī)生平均值并非意味著 AI 已經(jīng)全面超越了名醫(yī)，但在標(biāo)準(zhǔn)化的問診流程、知識(shí)的廣度以及對(duì)指南的絕對(duì)遵循上，AI 展現(xiàn)出了人類難以比擬的穩(wěn)定性。

醫(yī)療 AI 的「最后一公里」

技術(shù)的高低，最終要落回到具體的應(yīng)用場景中。

隨著 M3 的發(fā)布，百川智能旗下的醫(yī)療應(yīng)用「百小應(yīng)」正在經(jīng)歷一場靜悄悄的質(zhì)變。

在過去，患者去醫(yī)院就像是一場「盲盒游戲」。

排隊(duì)三小時(shí)，看病三分鐘，面對(duì)醫(yī)生時(shí)語無倫次，把關(guān)鍵病史忘得一干二凈。

而接入 M3 后的百小應(yīng)，正在試圖成為醫(yī)患之間的「翻譯官」。

在患者端，它是一個(gè) 24 小時(shí)在線的「全科醫(yī)生助理」。

當(dāng)你感到不適，它通過多輪專業(yè)的追問，幫你理清病情，生成一份專業(yè)的病情摘要。

在醫(yī)生端，這可能意味著工作流的重塑。

當(dāng)患者坐到診室時(shí)，醫(yī)生看到的將會(huì)是一份已經(jīng)排除了基礎(chǔ)風(fēng)險(xiǎn)、羅列了關(guān)鍵癥狀的結(jié)構(gòu)化報(bào)告。

醫(yī)生可以跳過機(jī)械的信息收集環(huán)節(jié)，直接進(jìn)入高價(jià)值的診斷與治療決策。

這就是百川強(qiáng)調(diào)的「強(qiáng)推理、低幻覺的醫(yī)療服務(wù)能力」的真實(shí)落地。

它不試圖取代醫(yī)生，而是試圖通過提升問診能力、準(zhǔn)確性，來幫助醫(yī)生決策。

披荊斬棘的 AI 醫(yī)療先鋒

2026 年初，全球 AI 醫(yī)療的競爭已進(jìn)入深水區(qū)。

從 OpenAI 的 ChatGPT Health 到 Anthropic 的 Claude for Healthcare，巨頭們都在爭奪這塊最難啃的骨頭。

在這場競速中，Baichuan-M3 的出現(xiàn)具有特殊的標(biāo)本意義。

它標(biāo)志著中國 AI 醫(yī)療從「跟隨者」轉(zhuǎn)身為「定義者」。

百川證明了，通過對(duì)醫(yī)療決策過程的深度建模，大模型可以走出「聊天機(jī)器人」的舒適區(qū)，進(jìn)入嚴(yán)肅、嚴(yán)謹(jǐn)且充滿敬畏的臨床世界。

技術(shù)是冰冷的，但醫(yī)療永遠(yuǎn)關(guān)乎人性的溫度。

AI 無法替代醫(yī)生握住患者顫抖的手，但它可以讓醫(yī)生在握手之前，看得更清楚、判得更準(zhǔn)確。

針對(duì)人口老齡化，AI 是最靠譜的解決優(yōu)質(zhì)醫(yī)療資源短缺的幾乎唯一的方案。

百川作為國內(nèi)最早一批開始探索 AI 醫(yī)療的公司，在迷霧中努力探索出一條可落地的 AI 賦能醫(yī)療的道路。

參考資料：

百川開源全球最強(qiáng)醫(yī)療大模型M3，「嚴(yán)肅問診」定義AI醫(yī)療新能力

百小應(yīng)網(wǎng)頁端：https://ying.baichuan-ai.com/chat

開源鏈接：

Hugging Face 地址：

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

GitHub 地址：

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