百川智能开源新一代医疗大模型 Baichuan-M3，其在全球权威医疗评测 HealthBench 中登顶，实现了对 GPT-5.2 的全面超越。此举不仅刷新了行业技术高度，更重要的是，M3 首次具备原生“严肃问诊”能力，通过主动追问和深度推理，有效解决了 AI 在严肃医疗场景中的核心痛点，为AI医疗的落地提供了全新范式。
智能速览
Baichuan-M3 在 HealthBench 总分与 Hard 子集上均排名全球第一。
模型幻觉率低至 3.5%，为全球最低水平。
首创“严肃问诊”能力，问诊水平超越真人医生平均水平。
通过全动态 Verifier System 升级强化学习，突破能力上限。
提出SCAN原则，将临床思维过程系统化、白盒化。
精华内容
技术的突破并非偶然，而是源于对医疗核心难题的深刻洞察与重构。Baichuan-M3 的领先，建立在三大基石之上。
登顶评测
在全球最权威的医疗 AI 评测 HealthBench 中，Baichuan-M3 以 65.1 分的综合成绩位列全球第一，并在考验复杂决策能力的 HealthBench Hard 上以 44.4 分夺冠。
这一成绩标志着其全面超越了 OpenAI 的 GPT-5.2 模型。作为对比，其前代模型 M2 在 HealthBench Hard 上的成绩为 34.7 分。M3 的跃迁，得益于全面升级的强化学习系统，即全动态 Verifier System，它通过持续演进、变难的监督信号，推动模型在复杂医学问题上实现了质的突破。
幻觉重构
幻觉问题是 AI 进入严肃医疗场景的最大障碍。不同于业界普遍依赖外部工具或提示工程的后处理方式，M3 将医学事实一致性作为核心训练目标，直接内化为模型的基础能力。
这种重构的训练范式，让模型在纯模型设置下也能稳定、可信地作答。实测数据显示，M3 的医疗幻觉率低至 3.5%，超越了此前以低幻觉著称的 GPT-5.2，刷新了全球最低纪录，为 AI 诊疗的安全性提供了坚实保障。
严肃问诊
医疗问诊的核心是完整收集关键信息，而非简单回答问题。M3 突破了“角色扮演”的局限，首次具备原生的“严肃问诊”能力。
为此，百川提出了“严肃问诊范式”与SCAN原则，将临床思维系统化。基于150多位一线医生参与构建的 SCAN-bench 评测体系，M3 在病史采集、辅助检查、精准诊断全流程的表现，均显著高于真人医生的平均水平，成功构建了从精准问询到安全决策的闭环。
Baichuan-M3 的开源不仅是技术实力的展示，更定义了 AI 医疗的新范式。从跟随到引领，中国 AI 正以硬核实力重塑全球医疗技术格局。随着“百小应”等应用落地，AI 深入临床实践的最后一公里正在被打通，未来的医疗生态将因此发生怎样的深刻变革？
