百川智能发布Baichuan-M3-Plus医疗大模型，革新医疗AI应用

1月22日，百川智能推出了Baichuan-M3-Plus询证增强医疗大模型，该模型采用M2-Plus同款的“六源询证”方法，再次刷新行业记录，将幻觉率降至仅2.6%。

此外，Baichuan-M3-Plus创新性地引入了“证据锚定”技术，使得AI回答中的每个结论和证据都能精准匹配到原文献的具体位置，匹配率高达95%，远超行业平均水平40%-50%。

该模型以API模式对外提供服务，价格较上一代模型下降了70%，并在发布后两周内免费提供。通过“海纳百川计划”，为医务工作者提供服务的机构可长期免费使用。

发布之际，智东西等媒体访问了百川智能总部，与创始人兼CEO王小川和技术负责人鞠强进行了深入交流。他们分享了M3 Plus背后的技术细节，并探讨了行业热点议题。

交流中，王小川强调，医疗AI的核心目标应始终指向患者利益。他回应了张文宏关于“拒绝在病历系统中引入AI、担心影响年轻医生成长”的观点，指出如果因担忧AI影响医生训练而限制其应用，本质上就是将患者作为医生成长的成本。

他认为，“AI+医生”已在多个场景中展现出优于单纯依靠医生的潜力，且当前医疗AI的幻觉率并不高于人类医生。同时，他提到中国医生对AI工具的接纳度偏低，并非模型能力不足，而是由于医疗系统高强度运转和行业风气的影响。

一方面，国内医生单日接诊量远高于海外，几乎没有时间真正使用和验证AI工具；另一方面，医疗AI领域缺乏求真氛围，“假的东西太多了”，真正有技术突破的产品反而难以快速建立信任。

他呼吁国内行业应良性竞争，让医疗行业更加真实，以加速发展速度。当被问及API客户群体的画像时，王小川表示M3发布前已有一批机构用户，M3模型发布后，客户结构预计会发生较大变化。

体验链接： https://www.baichuan-ai.com

从六源询证到证据锚定：提升医疗AI的可信度

上周，百川智能正式开源了当前业界医学能力最出色的开源模型Baichuan-M3。该模型在HealthBench测试中位列全球第一，表现超越OpenAI最强模型。

Baichuan-M3-Plus以M3为基础，结合“六元循证系统”，在抗幻觉能力上进一步提升。

百川对降低幻觉率的执着源于当前医疗AI领域的问题。现场演示中，鞠强揭示了部分医疗AI产品存在的幻觉现象：AI生成的答案看似专业，但错误率可能高达90%。这种幻觉对经验尚浅的医生或用户而言风险显著。

此类幻觉往往源于AI引用的内容与其表述之间缺乏实质关联。对医生和用户而言，核验这些引用的正确性过程繁琐，可能增加工作负担。

为此，百川引入“证据锚定技术”，确保模型引用的段落与表述严格对应，并可精确定位至原文位置，使证据具备可核验、可追溯的特性，最终实现诊疗辅助过程的“白盒化”。

本次Baichuan-M3-Plus采用低成本API模式对外提供服务。通过工程优化，API价格较前代模型下降70%。发布后两周内完全免费。此外，“海纳百川计划”将面向所有为医务工作者提供服务的机构免费提供询证增强的M3-Plus API服务。

新模型API价格的大幅下调背后有多重驱动因素。鞠强介绍，M3架构已切换为MoE，这一变化本身就能带来不少成本收益。此外，对投机采样技术Eagle3进行了升级，加入了门控机制，进一步提升推理效率。

王小川回应“AI影响医生成长”言论：患者不应为医生成长买单

日前，张文宏拒绝把AI引入医院病历系统，认为其会影响年轻医生成长的言论引发广泛讨论。

王小川在采访中全面回应了这一讨论。他认为患者利益应置于首位，“AI+医生”模式已显示出优于单纯依靠医生的潜力。若因担忧AI影响医生成长而限制其应用，可能阻碍技术进步——医生的成长不应以患者为代价。

医生也有幻觉，而当前AI的幻觉率其实比医生更低。

在应用方法上，王小川认为尚有探索空间。若担心医生能力因AI而退化，可调整使用方式，例如让AI辅助年轻医生。

王小川还谈到了许多医院做大模型的现象。他认为：“医生不是造模型的，医生是用模型的。”双方应做好专业分工。

其实，百川与医生群体有较为密切的合作。鞠强提到，拥有一支专业的全职医生团队是百川与其它通用大模型公司的核心区别之一。

AGI级别AI医生有望在三年内实现：国内采用率低非由模型能力导致

王小川预测AGI（通用人工智能）级别AI医生可能在三年内实现。他认为能完成做手术这类操作的AI可能还远，但进行表达、察言观色的AGI级别AI医生有望在三年内实现。

中国医生对AI工具的接纳度、使用率不高不是由模型能力导致的。

一方面中国医生工作压力大；另一方面国内医疗AI产品没有真实表达技术进展。他呼吁行业真诚地评价、表达技术进展以推动良性竞争。

结语：医疗AI热度攀升 落地与信任成关键因素

近几周AI医疗健康领域迎来多个新玩家。不过影响医疗AI落地的因素不仅是模型能力本身。如何获取用户和专业医生的信任以及如何与真实场景结合解决具体问题比发布模型和产品本身更为关键。