百川智能发布Baichuan-M3-235B医疗大模型

医疗AI迎来重大突破：百川智能发布全球首个临床决策级大模型

在医疗AI领域，“建议尽快就医”曾是无数模型的“安全答案”——不是因为聪明，而是因为不敢错。面对生死攸关的诊断场景，大模型一旦“幻觉”胡言，轻则误导患者，重则延误治疗。因此，过去几年，多数厂商选择保守策略：回避深度判断，只做表面应答。但这一局面，正在被彻底打破。

百川智能今日正式开源新一代医疗增强大模型——Baichuan-M3-235B，这是全球首个在真实临床决策流程中实现端到端建模、幻觉率显著低于GPT-5.2、并公开所有评测数据的医疗大模型。它不再只是“回答问题”，而是真正“像医生一样思考”。

传统医疗AI大多停留在“患者问：我头疼怎么办？模型答：建议就医”层面。Baichuan-M3-235B则完全不同——它被训练成一个能完整模拟医生问诊流程的智能体。

其核心技术之一是SPAR分段管道强化学习（Segmented Pipeline Auditing Reinforcement）。该方法首次将临床决策拆解为四个可量化、可评估的阶段：

每个阶段都设有独立奖励机制，模型在训练中不断优化“决策链”的完整性，而非单点准确率。这意味着，它能在多轮对话中保持逻辑连贯，像一位经验丰富的全科医生那样，一步步引导患者完成诊断闭环。

医疗AI最大的恐惧，是“一本正经地胡说八道”。为解决这一顽疾，百川智能创新性地引入Fact-Aware RL（事实感知强化学习）——在训练过程中，模型每输出一句话，都会被一个内置的“医学裁判”实时核对。

这个“裁判”不是简单关键词匹配，而是接入了权威医学知识库，包括：

模型在生成回答时，必须通过事实一致性验证。若检测到潜在错误或模糊表述，系统会自动触发修正机制，甚至主动拒绝输出。

根据百川官方公布的独立测试数据，在不依赖外部工具的前提下，Baichuan-M3-235B的幻觉率仅为6.8%，而GPT-5.2在相同测试集上的幻觉率为11.3%。这意味着，它在没有联网查证的情况下，也比行业顶尖模型更“靠谱”。

真正的实力，要看硬指标。在医疗AI领域最权威的评测基准——HealthBench上，Baichuan-M3-235B以44.4分的成绩登顶，比上一代M2模型提升28个百分点，首次超越OpenAI最新发布的GPT-5.2（42.1分）。

HealthBench由来自60个国家的262名执业医师联合构建，包含5000个真实临床对话样本，涵盖儿科、内科、急诊、妇科等多科室复杂病例，是目前全球最贴近临床实践的评测标准。

更惊人的是在SCAN-bench端到端临床决策评测中的表现——这是唯一一个模拟完整诊疗流程（从患者主诉→问诊→检查建议→最终诊断）的综合测试。Baichuan-M3-235B成为唯一一个在三大核心维度全部排名第一的模型：

在一项典型病例中，模型面对一位45岁男性“胸痛伴出汗”主诉，不仅准确识别出急性心肌梗死可能性，还主动建议“立即做心电图+肌钙蛋白检测”，并提醒“若血压下降或意识模糊，需立即转运急诊”，完全符合《中国急性胸痛急诊诊疗专家共识》的规范流程。

“我们不是在做一个能背医学教科书的聊天机器人，”百川智能CTO在发布会上强调，“我们是在训练一个能在基层医院、远程问诊、急诊预检中真正帮上忙的智能助手。”

目前，Baichuan-M3-235B已在国内多家三甲医院的互联网诊疗平台开展试点。一位参与测试的三甲医院急诊科主任表示：“它能帮我们快速筛查高危胸痛患者，减少漏诊。虽然不能替代医生，但在人手紧张时，它能成为第一道‘安全网’。”

该模型已全面开源，支持中文、英文双语输入，适配主流推理框架（vLLM、Text Generation Inference），并提供完整的医疗问答微调模板。开发者可基于此模型构建：

与其他闭源医疗大模型不同，百川智能选择将Baichuan-M3-235B完整开源，包括模型权重、训练代码、评测数据集和医疗知识增强模块。此举旨在打破大厂垄断，让真正有医疗需求的机构、研究者和开发者都能低成本接入。

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

这不是一场技术秀，而是一次医疗AI从“能说”到“能用”的关键跃迁。当AI不再回避责任，而是主动承担判断，我们离“人人拥有专属AI医生”的未来，又近了一步。