百川開源全球最強醫療大模型M3，在醫療領域超越GPT-5.2

來源：獵云網

1月13日，百川智能宣布正式開源新一代醫療大模型 Baichuan-M3。

據悉，Baichuan-M3在全球最權威的醫療 AI 評測 HealthBench 中以 65.1 分的綜合成績位列全球第一；在專門考驗復雜決策能力的 HealthBench Hard 上，也以44.4分的成績奪冠。這一成績，不僅刷新了 HealthBench 的最高分，更首次在醫療領域實現了對 GPT-5.2 的全面超越。

隨著監督信號持續變細、變難，模型得以不斷突破能力上限，使 M3 在復雜醫學問題上的表現實現躍遷，成為當前全球醫療溝通和推理能力最強的醫療大模型。

此外，百川M3將醫療幻覺抑制前移至模型訓練階段，在強化學習過程中將醫學事實一致性作為核心訓練目標之一，將“知之為知之，不知為不知”直接作用于模型自身能力的形成過程。這一新的訓練方法將醫學事實可靠性內化為M3自身的基礎能力，使其在不借助任何外部系統的情況下，依然能夠基于自身醫學知識進行穩定、可信的作答。

通過將事實一致性約束融入訓練流程，M3重構了幻覺抑制的訓練范式，在不依賴工具或檢索增強的純模型設置下，醫療幻覺率3.5，超越GPT-5.2，達到全球最低水平。

除了強推理和低幻覺，端到端的問診能力是本次M3最重要的一項突破。

在過去醫療大模型的應用實踐中，其不圍繞關鍵風險點展開的信息收集，即便對話看似完整，也難以支撐安全、可靠的臨床判斷，從根本上偏離了醫療“安全第一”的原則。

針對這一行業困境，我們提出了“嚴肅問診范式”與“SCAN原則”，通過Safety Stratification（安全分層）、Clarity Matters（信息澄清）、Association & Inquiry（關聯追問）與Normative Protocol（規范化輸出），將臨床問診中高度依賴經驗的思維過程，第一次系統性地“白盒化”。

圍繞SCAN原則，我們借鑒醫學教育里長期使用的 OSCE 方法，聯合 150 多位一線醫生，搭建了 SCAN-bench 評測體系，該體系以真實臨床經驗作為“標準答案”，將診療過程拆解為病史采集、輔助檢查、精準診斷三大階段，通過動態、多輪的方式進行考核，完整模擬醫生從接診到確診的全過程。相比于HealthBench，SCAN-bench是更加全流程端到端的動態評測新范式。

同時，我們還使用原生模型訓練方法取代角色扮演prompt，針對GRPO無法穩定進行長對話訓練的問題，設計了新的 SPAR 算法，使模型能夠在有限對話輪次中，把臨床真正需要的關鍵問題問全、問準，把風險兜住，讓輸出經得起復核。

在實驗過程中我們發現，問診準確度每增加2%，診療結果準確度就會增加1%。評測結果顯示，M3 在SCAN的四個維度均顯著高于人類醫生基線水平，并大幅領先于國內外頂尖模型，成功構建了從精準的臨床問詢、深度醫學推理到安全可靠決策的閉環。

M3具備的原生的“端到端”嚴肅問診能力，使它能像醫生一樣主動追問、逐層逼近，把關鍵病史和風險信號問出來，進而在完整的信息上進行深度醫學推理。評測顯示，其問診能力顯著高于真人醫生的平均水平。

當前，百川智能的醫療應用“百小應”已同步接入 M3，面向醫生與患者開放相關能力。醫生可借助它推演問診與診療思路，患者及家屬也可通過該應用更系統地理解診斷、治療、檢查與預后背后的醫學邏輯。