來源：獵云網(wǎng)

1月13日，百川智能宣布正式開源新一代醫(yī)療大模型 Baichuan-M3。

據(jù)悉，Baichuan-M3在全球最權(quán)威的醫(yī)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(fù)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(yī)療領(lǐng)域?qū)崿F(xiàn)了對 GPT-5.2 的全面超越。

隨著監(jiān)督信號持續(xù)變細、變難，模型得以不斷突破能力上限，使 M3 在復(fù)雜醫(yī)學問題上的表現(xiàn)實現(xiàn)躍遷，成為當前全球醫(yī)療溝通和推理能力最強的醫(yī)療大模型。

此外，百川M3將醫(yī)療幻覺抑制前移至模型訓(xùn)練階段，在強化學習過程中將醫(yī)學事實一致性作為核心訓(xùn)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(xùn)練方法將醫(yī)學事實可靠性內(nèi)化為M3自身的基礎(chǔ)能力，使其在不借助任何外部系統(tǒng)的情況下，依然能夠基于自身醫(yī)學知識進行穩(wěn)定、可信的作答。

通過將事實一致性約束融入訓(xùn)練流程，M3重構(gòu)了幻覺抑制的訓(xùn)練范式，在不依賴工具或檢索增強的純模型設(shè)置下，醫(yī)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(yī)療大模型的應(yīng)用實踐中，其不圍繞關(guān)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(yī)療“安全第一”的原則。

針對這一行業(yè)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(guān)聯(lián)追問）與Normative Protocol（規(guī)范化輸出），將臨床問診中高度依賴經(jīng)驗的思維過程，第一次系統(tǒng)性地“白盒化”。

圍繞SCAN原則，我們借鑒醫(yī)學教育里長期使用的 OSCE 方法，聯(lián)合 150 多位一線醫(yī)生，搭建了 SCAN-bench 評測體系，該體系以真實臨床經(jīng)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(tài)、多輪的方式進行考核，完整模擬醫(yī)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(tài)評測新范式。

同時，我們還使用原生模型訓(xùn)練方法取代角色扮演prompt，針對GRPO無法穩(wěn)定進行長對話訓(xùn)練的問題，設(shè)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(guān)鍵問題問全、問準，把風險兜住，讓輸出經(jīng)得起復(fù)核。

在實驗過程中我們發(fā)現(xiàn)，問診準確度每增加2%，診療結(jié)果準確度就會增加1%。評測結(jié)果顯示，M3 在SCAN的四個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，成功構(gòu)建了從精準的臨床問詢、深度醫(yī)學推理到安全可靠決策的閉環(huán)。

M3具備的原生的“端到端”嚴肅問診能力，使它能像醫(yī)生一樣主動追問、逐層逼近，把關(guān)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(yī)學推理。評測顯示，其問診能力顯著高于真人醫(yī)生的平均水平。

當前，百川智能的醫(yī)療應(yīng)用“百小應(yīng)”已同步接入 M3，面向醫(yī)生與患者開放相關(guān)能力。醫(yī)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(yīng)用更系統(tǒng)地理解診斷、治療、檢查與預(yù)后背后的醫(yī)學邏輯。