560B 开放权重医疗模型,三项基准超 GPT-6 Astra
inclusionAI 发布开放权重医疗混合专家模型 LingSante-3.1-flash,560B 总参数、25B 激活,在 HealthBench Professional、HLE、BrowseComp 上超过 GPT-6 Astra、Claude Opus 5.5、Gemini 4 Argon。它从睡眠分析到交互式问诊,把医疗任务当工作流执行。权重已开源。
开放权重医疗模型又往前迈了一步。inclusionAI 今天发布 LingSante-3.1-flash,一个 560B 总参数、25B 激活参数的混合专家模型(MoE),面向医疗场景,同时保留通用能力。
对 MoE 不熟的读者可以这么理解:总参数大,但每次推理只激活其中 25B,成本和速度接近小模型,容量接近大模型。
官方配图:
它不打算只做医疗问答。官方给出的定位是面向真实医疗问题:复杂医疗推理、长程工作流执行、专业行为对齐。在 HealthBench Professional 上拿到 65.72,HLE(纯文本,带工具)72.22,BrowseComp(带上下文)94.10,三项均超过 GPT-6 Astra、Claude Opus 5.5 和 Gemini 4 Argon。长程医疗工作流方面,PhysicianBench 57,EHR-Complex 74.40。
官方演示里,从睡眠分析到证据检索再到交互式咨询,模型处理多步任务:
一个具体场景是睡眠分析。LingSante-3.1-flash 在 YASA 框架里按睡眠分期计算心率和 HRV,保留心跳时间戳供信号复查,数据不足时留空,不硬给结论。
另一个是交互式问诊。模拟头痛伴单侧无力的病例,模型识别危险信号,随着检查结果到达更新建议,最后把整个对话整理成结构化病历。
训练方法上也有一些值得注意的设计。通用数据和医疗数据在预训练、中期训练和 SFT 阶段混合使用,最后用多教师 on-policy distillation 合并能力,医疗能力提升的同时保留通用能力。Evidence-to-Capability Matching(ECM)把医学证据和推理目标对齐;MEDPAR 通过多智能体审查细化任务,样本在进入训练前要过医学正确性和任务一致性检查。
多智能体搜索用了贡献感知奖励:相比只用准确率做奖励的多智能体 RL,准确率提升,总搜索步数减少 20% 以上。
行为对齐用一个行为矩阵给训练奖励,医生标注一致性 99.62%。
长程任务的训练数据覆盖真实 MCP、模拟 MCP 和世界模型环境,任务跨场景、工具和约束演变,用跨轨迹检查和任务级验证器确认结果。
权重已经开源,模型卡显示 MIT 许可证。FP8 版本在 HuggingFace 和 ModelScope,MXFP4 量化版也有。API 可以在 Computrix 上跑,每月 20 美元起。部署方面,模型卡提供了 SGLang(推荐)和 vLLM 的启动命令。上下文窗口 100 万 token,架构是 Hybrid-linear MoE。基座是 Ling-3.1-flash,上一个医疗版本 Ling-3.0-flash-Sante 是 124B/5.1B,这次直接跳到 560B,步子不小。
开发者 Paulo Steinberg 在评论区说,开放权重模型每周都在变强,迟早有人要问为什么还给美国实验室付费;至于医疗效果,他留给医生判断。另一位网友 ShadowAguy 调侃,560B 参数就为了说一句去看医生。模型卡也写得很清楚:仅供研究和评估,不是医疗设备,不能独立用于诊断、处方或治疗。基准和模拟环境的结果,不等于临床有效性。
LingSante-3.1-flash 的意义不在又刷了几个基准。它把医疗模型的竞争从“答题”推向“干活”:睡眠分析、交互问诊、证据检索,都是真实工作流。模型能不能在临床环境落地,是另一件事。至少,权重都摆出来了,可以自己跑一下试试。
模型卡 · ModelScope · API
发布时间: 2026-11-23 01:36