Wink Pings

开源医疗模型,开始敢说“不知道”了

一个5600亿参数的开源医疗模型LingSante-3.1-flash今天发布。它在HealthBench Professional、HLE、BrowseComp三项基准上超过GPT-6 Astra、Claude Opus 5.5和Gemini 4 Argon。更值得注意的,是它数据不足时选择留空,而不是编一个答案。

LingSante-3.1-flash。Ant Ling今天放出的开源医疗模型。

5600亿总参数,每次只激活250亿参数的MoE架构,100万token上下文窗口。权重公开,MIT许可证,FP8和MXFP4两个版本都放了。

LingSante-3.1-flash宣传图

先看一个细节。有网友看完技术帖后提到,这个模型在数据不足时选择留空,而不是编一个答案。新检验结果进入对话,它会调整之前的建议。遇到危险信号,它会标记出来。对话结束,它把所有内容整理成结构化医疗记录,留给医生审核。

这个行为模式,比benchmark数字更值得注意。医疗场景里,AI一本正经地胡编不是小概率事件。只是平时大家不追究。

LingSante-3.1-flash在三个基准上超过了GPT-6 Astra、Claude Opus 5.5和Gemini 4 Argon(三家闭源厂商的旗舰模型):

  • HealthBench Professional:65.72
  • HLE(文本+工具):72.22
  • BrowseComp(带上下文):94.10

它的评估不局限于医疗QA。PhysicianBench(57)和EHR-Complex(74.40)测的都是长程医疗工作流:检索证据、调用工具、在多步骤任务里保持连贯。这是模型从“回答提问”到“执行事务”的跨越。

医院为什么需要开源权重?患者数据不能传到别人的云上。隐私和合规让本地部署成为刚需。MXFP4量化版降低了一些门槛。

技术层面,模型继承Ling-3.1-flash的混合线性MoE架构,63 KDA + 9 Gated MLA。上一代Ling-3.0-flash-Sante是1240亿总参数、每次激活51亿,这次涨了四倍多。训练路线是医学混合预训练、中间训练、SFT、任务级强化学习,再加多教师on-policy蒸馏。

几个值得开发者留意的设计:

ECM把医学证据匹配到推理目标。MEDPAR通过多智能体审查细化任务,样本在进训练前会被检查医学正确性和任务一致性。

ECM框架

贡献感知多智能体搜索,相对纯正确率奖励的RL,准确率提升,搜索步骤减少超过20%。

多智能体搜索

行为对齐用行为矩阵做训练奖励,医生注释一致率99.62%。在医疗行为平均上,仅次于GPT-6 Astra。

行为对齐1

行为对齐2

长程任务合成覆盖真实MCP、模拟MCP和世界模型环境,用跨轨迹检查和任务级验证器确认结果。

长程任务合成

部署方面,SGLang day-0镜像已支持,自带MTP speculative decoding和Hopper优化。8块H200可以跑起来(TP8+EP8)。vLLM的recipe覆盖H200、GB300、H800、H100、B200。不想自己部署,Computrix上有API,Basic Token Plan每月20美元。
FP8权重:Hugging Face | ModelScope
MXFP4权重:Hugging Face | ModelScope

有开发者评论:“得求医院给我配台机器。”得到回复:“你现在有足够证据去说服了。”

模型卡上写得很清楚:仅供研究和评估,不是医疗设备,不能独立用于诊断、开药或治疗决定。

这不是走形式的免责声明。一个5600亿参数的模型愿意承认自己不知道在哪一步该停,本身就是医疗AI该有的方向。

原始发布线程

发布时间: 2026-11-23 00:35