Wink Pings

蚂蚁开源医疗多模态模型:124B参数,5.5B激活,能看片子写报告

蚂蚁集团医疗团队开源 LingSante-3.1-air-VL,总参数124B,激活仅5.5B。它能生成胸片报告、分析皮肤病和饮食、检索医学证据、操作医疗APP。在多个医疗基准上超过 GPT-6.1 Sol 和 Gemini 3.8 Flash。模型仅供研究,不替代医生诊断。

开源AI生态里,蚂蚁集团医疗团队又放出一个模型:LingSante-3.1-air-VL。它在 Hugging Face 和 ModelScope 上同时开源,定位是面向真实医疗场景的原生多模态 MoE。

先说参数。总参数 124B,每个 token 只激活 5.5B。基于 Ling-3.0-flash-VL,支持文本和图像输入,上下文窗口 256K。这个规模意味着,能力不缩水,推理成本却低不少。想本地跑,官方给出的 SGLang 推荐配置是 4×141GB 类显卡,或 8×80GB H100/H800。

模型的能力集中在四个临床方向。

医学影像报告

输入一张胸片,模型能输出包含 Findings 和 Impression 的结构化报告。官方演示里,它还能一次识别 8-9 种阳性征象,包括心脏增大、胸腔积液、肺不张、实变、肺炎和气胸。

多模态健康评估

皮肤照片配症状史,模型可以给出初步评估,覆盖 120+ 种皮肤病。饮食分析能识别重叠或混合的食材,估算分量和营养。对检验报告,它会把血常规和炎症、免疫指标联系起来,给出下一步建议。

医学搜索与证据综合

模型支持以图搜图,检索医学论文、临床指南和类似病例。它能在生成报告前用影像工具和边界框验证病灶位置。整个链路:图像→搜索→证据→答案,每个结论都能追溯到依据。

evidence-guided search

医疗 GUI 代理

模型能操作真实的医疗 App。在线挂号时,它选医院、科室、医生、时间,填患者信息;买药时,它搜药、选规格、填处方和地址,处理弹窗和校验。官方说评估用的是真实应用,界面和登录状态都是动态的。

训练与优化

训练方面,模型的强化学习目标不只看字面吻合,还考虑临床意义、病灶位置、假阳性和漏诊。换句话说,它更关心哪些发现不能漏。

training

评估结果

官方评估显示,在 AFUMED-Derm、AFUMED-Report、MIMIC-CXR 和 medical VQA 这四个医疗基准上,LingSante-3.1-air-VL 的总体表现领先对比模型,且四项都超过 GPT-6.1 Sol 和 Gemini 3.8 Flash。通用能力也没丢,BrowseComp-VL 上高于 GPT-6.1 Sol,AndroidWorld 上高于 Gemini 3.8 Flash,MMSearch 上也有竞争力。

LingSante-3.1-air-VL benchmark

获取方式

权重已开源。可以在 Hugging Face 和 ModelScope 找到 inclusionAI/LingSante-3.1-air-VL。也可以走 Computrix 的 API 直接调用,不过免费额度有限,基础订阅每月 20 美元。

模型页面明确写着:这是一个研究模型,不是医疗器械。输出可能不完整或不准确,不能替代医生的诊断、治疗建议。用于真实医疗场景,需要专业人士审核。这句话值得每个做医疗 AI 的人记住。

发布时间: 2026-11-23 04:35