登顶 OpenAI 医疗评测，超越 GPT-5.5

百川智能与清华大学研究团队于6月22日联合发布新一代医疗增强大模型Baichuan-M4。该模型在HealthBench及其Hard、Professional三个榜单上均位列世界第一，全面超越GPT-5.5、Claude Opus 4.7、DeepSeek-V4-Pro，幻觉率低至3.3%。在OpenAI提出的医疗评测HealthBench上，M4综合得分68.6，领先第二名GPT-5.5超10分；在最考验复杂临床决策的Hard子集上，领先达15.9分。M4具备主动追问症状性质与诱因的能力，能优先识别和排查危急重症，而非被动等待用户提供完整信息，也不会为快速应答而跳过关键病史。研究团队借鉴医学教育中常用的OSCE（客观结构化临床考试）方法，联合150多位一线医生构建动态问诊评测体系SCAN-bench。该体系不考查静态记忆，以真实临床经验为评分标准，通过多轮动态方式完整模拟医生从接诊到确诊全过程。在SCAN-bench中，M4初诊得分79.0，复诊得分74.7，均显著优于现有模型，标志着医疗AI在临床问诊智能化方面取得重要突破。

———

原文 — ithome

把任意网站变成干净 JSON

现成爬虫与 AI 智能体

试用 Apify