国产医疗大模型斩获三项SOTA！幻觉率优于GPT-5.2，问诊能力超过人类医生

“今年是医疗AI奇点到来的一年。”

我盯着屏幕上的AI诊断建议，反复读了三次。AI用清晰的专业术语罗列了可能的病因，可我的焦虑却没有丝毫缓解。

如果疼痛加剧该怎么办？这些药需要一起吃吗？我该先去哪个科室挂号？这些真正困扰普通患者的问题，答案里只字未提。AI似乎什么都懂，但我依然不知道该怎么做。

这也正是当前将AI大模型应用于医疗健康场景的尴尬所在：它们能给出看起来专业感十足的回应，却撑不起一个真正的医疗决策。

作为患者，我们既不知道该怎么描述症状才算准确，也不清楚该提供哪些关键信息。最终，AI只能谨慎地给出一段涵盖各种可能性、却难以落地的建议。

如果，它能更像一位真正的医生呢？不急于抛出结论，而是先一步步引导，主动补齐医疗决策中缺失的关键信息，比如疼痛的具体变化、用药史，或是过往的检查结果。

这，或许才是大模型真正走入现实医疗场景、发挥作用的转折点。

百川智能近日开源的新一代医疗大模型Baichuan-M3，正是在这一方向上的重要突破。

如果说传统医疗大模型像是医学知识问答机或医生角色扮演器，那么Baichuan-M3的追求，是尽可能还原真实的医疗决策过程——具备主动收集关键信息、构建医学推理链路、动态抑制内容幻觉等原生医疗增强能力。

例如，当用户输入“胸口长了个痘痘，两个月没消”这类模糊描述时，缺乏信息收集能力的大模型往往直奔结论，罗列海量相关症状，反而令人无所适从。

而Baichuan-M3则启动“严肃问诊”流程：发送相同信息后，模型会主动要求补充细节，如具体位置、外观形态，并提供结构化选项供用户快速回复。

随后，模型逐步排查吸烟史、手术史、外伤史、感染史等关键要素，并询问饮食习惯与家族病史，直至信息完整，才做出综合判断。

这一能力提升已在权威测评中得到验证。OpenAI于2025年5月发布的Healthbench，由全球60国262位医生共建，含5000组高仿真多轮医疗对话，是目前最贴近真实临床场景的医疗评测集。

此前，Baichuan-M2曾位列开源模型榜首，仅次于GPT-5；而Baichuan-M3在HealthBench总分上超越GPT-5.2，并在更具挑战性的HealthBench-Hard榜单登顶全球第一，成为当前医疗沟通与推理能力最强的开源医疗大模型。

在严肃医疗场景中，“幻觉率”至关重要。DeepSeek当前幻觉率约为6.1%，GPT-5.2-High为3.8%，而Baichuan-M3达3.5%，刷新行业SOTA（State-of-the-Art）水平。

百川同步发布全新评测基准SCAN-bench，由150余位一线医生联合构建，将诊疗流程拆解为病史采集、辅助检查、精准诊断三大阶段，实现对模型能力的全流程评估。

在SCAN-bench四大核心维度上，Baichuan-M3全面超越人类医生基线，并大幅领先国内外顶尖模型。

百川团队中有多位来自三甲医院的全职及兼职临床医生，其一线经验成为模型优化的核心依据。

临床医生遵循“安全优先”逻辑——先排除危急重症，再推进常规诊疗。而传统角色扮演式AI问诊缺乏风险牵引，易导致重点偏移、判断失准。

为此，百川提出“严肃问诊范式”与SCAN原则，将临床思维凝练为四要素：

• Safety Stratification（安全分层）：识别并优先处置高风险因素；
• Clarity Matters（信息澄清）：确保症状描述无歧义；
• Association & Inquiry（关联追问）：基于已有线索动态延伸问题链；
• Normative Protocol（规范化输出）：确保结论表述符合临床规范。

SCAN-bench正是在此原则指导下构建，覆盖接诊至确诊全周期。

为将SCAN原则内化为模型本能，百川创新性采用分阶段强化学习：将医疗流程划分为病史采集、鉴别诊断、检验检查、精确诊断四个目标独立阶段，分别设置奖励机制，降低长程决策复杂度。

针对强化学习中常见的“奖励破解”问题（如模型通过无效提问刷分），百川研发SPAR算法（基于相对基准的分步惩罚优势算法），细化步骤惩罚，引入自适应课程学习，有效抑制冗余提问，并精准识别单步瑕疵。

其奖励模型还融合医学教育中的OSCE（客观结构化临床考试）理念，以可计算的动态量表进行全过程考核，不仅关注结论正误，更评估每一步的逻辑性与安全性。

最终效果是：AI问诊过程流畅、清晰、有逻辑，每一步都稳扎稳打，如同一位真正思考的医生。

Baichuan-M3推理能力提升与幻觉率下降，源于其提出的事实感知强化学习（Fact-Aware RL）训练架构。该架构将幻觉抑制与推理能力统一为目标，避免模型因过度保守陷入“正确但无用”的沉默，或因追求流畅产生危险性事实错误。

简言之，模型学会了一种“负责任的自信”。

百川智能创始人兼CEO王小川表示：“今年是医疗AI奇点到来的一年。”范式变革已真实发生——以医生为唯一权威的模式正在松动，AI正推动患者成为自身健康的责任主体与决策参与者。

这一判断源自对当前医疗体系四大深层问题的认知：

1. 医学学科发展滞后：现象密集、理论匮乏，仍处于高度经验依赖阶段；
2. 医患权责错位：患者是健康最终受益者与责任人，但决策权与关键信息高度集中于医生，易导致沟通低效、信任损耗；
3. 优质资源分布不均：大医院负荷过重，基层与居家健康服务薄弱；
4. 就医体系重心偏高：预防、慢病管理等前端环节支持不足。

Baichuan-M3的价值，正在于系统性响应上述挑战：其全科知识储备与跨学科分析能力，可补足个体医生的知识边界；其可解释、可交互的问诊方式，推动医疗信息下沉与透明化；其标准化流程，助力基层能力提升与居家健康自主管理。

王小川指出：“就像不懂法律的陪审团也能通过法官与律师的充分解释作出判断，患者只要获得足够清晰、可信的信息，同样能对自己的健康做出负责任的决定。”

据王小川透露，2025年行业共发布500余个AI医疗模型，但多数仍停留于通用助手嵌套或浅层应用。百川坚持垂直深耕，以临床真需求为锚点，选择了一条更难、也更少人走的路。

2026年，百川计划推出2款C端产品：覆盖全科基础需求的同时，重点攻坚肿瘤、儿科两大高复杂度、高严肃性领域，持续拓展AI在真正临床场景中的价值边界。