Baichuan-M3：百川智能开源医疗大模型，刷新医疗AI评测全球纪录

Baichuan-M3是百川智能正式发布的新一代开源医疗增强大语言模型，专注医疗场景深度优化。其在全球权威医疗AI评测HealthBench（综合得分65.1分）与HealthBench Hard（复杂决策场景得分44.4分）中双双夺冠，不仅超越OpenAI的GPT-5.2，更在所有测试环节中表现优于人类医生。模型融合海量医学文献、临床指南、真实病历及药品知识库，具备精准的疾病推理、用药建议、检验解读与患者沟通能力，为医疗场景提供高可靠的AI支持。

Baichuan-M3核心功能：

1、顶尖医疗推理能力：

针对复杂疾病诊断、多症状关联分析等场景，开展深度医学推理，输出精准的诊断建议与诊疗方向，为临床决策提供专业参考。

2、全球最低医疗幻觉率：

医疗幻觉率仅 3.5%，通过底层训练优化确保输出信息的可靠性与一致性，从根源规避医疗误导风险。

3、原生端到端严肃问诊：

无需角色扮演提示，能像专业医生一样主动追问关键病史、挖掘风险信号，完整收集患者信息，表现显著优于真人医生平均水平。

4、全维度医疗知识整合：

覆盖医学文献、临床指南、真实病历、药品数据等多维度知识，构建全面的医疗知识库，支撑各类专业医疗场景需求。

5、适配医疗应用“百小应”：

已同步接入 AI 助手“百小应”，医生可借助其推演问诊与诊疗思路，患者及家属能通过应用理解诊断、治疗、检查及预后的医学逻辑。

6、开源可商用，共建生态：

采用开源策略且支持免费商用，降低医疗 AI 技术使用门槛，推动其在基层医疗、辅助诊断、健康管理等场景的快速落地与生态共建。

Baichuan-M3核心技术原理：

1、强化学习系统升级：

以医学事实一致性为核心训练目标，全面优化强化学习框架，推动模型在复杂医学问题上实现能力跃迁，超越现有同类模型。

2、前置式幻觉抑制训练：

将幻觉抑制环节前移至模型训练阶段，重构训练流程与数据筛选标准，实现全球最低的 3.5% 医疗幻觉率，保障输出可靠性。

3、严肃问诊范式与 SCAN 原则：

创新提出“严肃问诊范式”，结合 Safety Stratification（安全分层）、Clarity Matters（信息澄清）、Association & Inquiry（关联追问）、Normative Protocol（规范化输出）四大原则，精准模拟临床问诊思维。

4、SCAN-bench 动态评测体系：

构建以真实临床经验为标准的动态多轮评测体系，全程考核模型从病史采集到精准诊断的全流程表现，确保适配实际医疗场景。

5、原生模型训练 + SPAR 算法：

采用原生医疗模型训练模式，搭配全新 SPAR 算法，在有限对话轮次内精准捕捉关键问题，保障问诊的准确性与完整性。

6、多模态数据融合：

整合文本、图像等多模态医疗数据，提升对病历、检验报告、医学影像等信息的理解与处理能力，适配复杂医疗场景需求。

Baichuan-M3典型应用场景：

1、临床问诊辅助：

帮助医生快速采集患者病史、筛选关键症状信息，优化问诊流程，提升诊疗效率与准确性，减轻临床工作负担。

2、医患沟通与知识普及：

用通俗语言为患者及家属解读诊断结果、治疗方案、检查项目及预后情况，降低医学信息壁垒，提升医患沟通效果。

3、基层医疗赋能：

为基层医疗机构提供专业辅助诊断建议，弥补基层医疗资源短板，缓解医疗资源分布不均衡问题，提升基层医疗服务水平。

4、医学研究支持：

辅助医学研究人员进行文献梳理、数据整理与分析，加速研究数据处理效率，为科研项目推进提供技术支撑。

5、医学教育工具：

作为医学生与年轻医生的临床思维训练工具，模拟真实问诊场景与病例分析，助力专业能力提升。

6、日常健康管理：

为普通用户提供疾病预防、健康生活方式指导、常见健康问题咨询等服务，助力全民健康管理。

进入Baichuan-M3项目github地址官网入口