国内首个通过主任医师评测的大模型来了！免费用，技术秘籍公开

时隔4个月大模型能力大涨，晒出夸克健康搜索“全家福”。 作者 | ZeR0
编辑 | 漠影
国内首个通过主任医师评测的大模型，已在夸克AI搜索上线。 智东西7月23日报道，今日，夸克宣布夸克健康大模型成功通过 中国12门核心学科的主任医师笔试评测 ，创 国内首例 ，展现出垂类大模型在医学领域的应用潜力。 12门核心学科分别是： 普通内科学、普通外科学、妇产科学、儿科学、皮肤与性病、肿瘤内科学、耳鼻咽喉学、麻醉学、口腔医学、眼科学、精神病学 。 在垂类模型与通用模型对比中，夸克健康大模型在初级、中级、副高、高级医疗场景中的答题正确率均超过新版DeepSeek-R1和o3-mini，并呈现出 难度越高、领先优势越明显 的性能曲线，展现出在复杂医学推理任务中的突破。

这是继5月通过副主任医师职称考试后，夸克健康大模型能力的又一次升级。 “主任级AI医生”能力已集成到夸克的AI搜索中。 用户用夸克查询健康问题时，选择深度搜索即可调用，相当于配备了一个线上的专业医生。 夸克健康算法负责人徐健，夸克健康运营负责人、心内科副主任医师赵存忠，夸克健康产品负责人姚垚，与智东西等媒体进行深入交流，详细解读了夸克健康大模型的背后技术细节与夸克健康产品策略。 夸克健康大模型以通义千问为基础，针对医学垂类场景进行深度工程化。据夸克健康算法负责人徐健分享，其模型的核心特点与技术构建策略包括：

• 知识性强，用高质量数据继续训练底座大模型；

• 正确性对齐技术，把握住错误边界；

• 引入慢思考能力，基于高质量推理训练数据，通过强化学习构建推理大模型，驱动模型在面对复杂医疗问题时，能够分阶段、层层深入地推导出最终答案，提升在案例分析题等上的效果。

在接受采访期间，徐健、赵存忠、姚垚总结了夸克健康对风险控制的全方位约束策略：

• 事前，通过底层算法和数据工作预防，产品满意度准确率达标后才会上线；

• 事中，模型对敏感或不确定问题拒答，产品设计兜底话术、增加溯源引用，采取机器抽查、人工抽查等策略，并对用户问题分类界定、分层处理；

• 事后，根据用户反馈，反复迭代改进模型。

赵存忠告诉智东西，夸克健康大模型会在线满足普适化需求的基础上，后续针对各类有高频需求的主流学科去做针对性训练，对严肃医疗诊断类的一些专科或疑难杂症进一步深入。 当智东西问到如何兼顾让用户易理解和表达准确性，姚垚告诉智东西，两者的提升并不矛盾，夸克健康在整体回复样本设计上追求对用户的实用性，在技术上持续提升准确率，在内容定义时关注让回答更易理解。徐健补充说，文字风格迁移不是技术难点，夸克多年来做内容科普使其擅长于此，大模型拟合能力非常强。 姚垚透露说，夸克当前有2亿月活用户，健康需求很大，健康产品的信任感会影响对整个平台的信任。 据分享，未来，夸克健康业务目标坚定，以满足C端用户科普需求为主，短期内聚焦帮用户解决健康问题，关注用户满意度、留存、活跃度等情况，不考虑做强商业化尝试。

01 . 基于通义千问，训练临床思维， 构建慢思考能力 夸克健康大模型通过真实医生标注、“问—思—答”整组数据驱动强化学习，不仅掌握医学知识，而且医学思维的路径选择、证据整合与多解平衡能力。 其核心突破之一，是构建出“ 慢思考能力 ”，打造多阶段慢思考推理系统，从表象判断到深度病因分析，学会医学临床诊疗思维。 这一能力融合了链式推理与多阶段临床演绎路径建模，驱动模型在面对复杂医疗问题时分阶层层推导，先推病，再解题，从病史分析、初步诊断、鉴别诊断、结合选项分析到总结得出答案。 而构建慢思考能力的前提，是拥有高质量推理训练数据。 为此，夸克构建了“ 双数据产线 + 双奖励机制 ”的工程体系。 训练数据上 ，将医学数据划分为“ 可验证 ”和“ 不可验证 ”两类，分别对应诊断类任务和健康建议类任务。

夸克以“病药术检”任务为训练主线，构建有特色的医疗领域可验证推理任务，覆盖疾病推理、检查推理、疾病推理、手术推理、药品推理等。 训练方法上 ，引入“ 过程奖励模型 ”和“ 结果奖励模型 ”，分别评估模型推理链的合理性与最终结论的准确性，根据反馈进行调整，显著提升模型的临床可解释性和推理一致性。 其体系设计了 多阶段强化学习流程 ，包括冷启动数据的严格人工校验、多轮样本筛选与难度递进训练策略，以及用于防止“高分投机”的作弊识别机制。 谈到夸克健康大模型的优势，徐健总结了三点：（1）差异化，在专业数据投入更大精力；（2）产品具备更强实操性，提供明确的就医建议；（3）让内容变得更可信，主要策略包括加固循证、强化推理可解释性等。
02 . 4大类数据建设和评估， 三招降幻觉+提高准确率 优质数据建设、正确性对齐及循证技术、医疗慢思考推理能力，缺一不可。 在构建大规模高质量医疗领域数据及语料上，夸克对4大类数据（资料库、病历、知识库、合成数据）进行建设和评估。

1、全面的数据分类与评估： 根据科室分布、实体、循证等级、meta信息等，筛选真正有价值的医疗高价值数据。 2、语料探查技术指引目标： 基于医疗强大的检索能力，进行数据层探查，搜索/知识覆盖率达到95%+。 3、时效性更新技术： 新热挖掘、数据接口轮询等，获得最新药品官方数据等。 4、图谱及合成数据设计： 知识转译、知识析构等。 夸克遵循数据驱动的长期迭代主义，构建可规模化的优质数据合成产线和训练：精细治理诊疗数据， 扩大可用数据量级 ；在强化过程中构建的 推理过程和推理结果的准确奖励，复用在数据筛选中 ；模型和数据螺旋迭代升级的，自动化的数据分层采样管道，实现 规模化的样本加工、合成和分布控制 ；人类专家集中产能处理 痛点数据-冷启动中临床思维的标注 。 为了提高专业性，夸克健康大模型拥有 千人规模 的专业医师标注团队，其中超过 400名 均为副主任医师及以上的高资历医疗专家。

徐健说，用户原始数据不会被用于训练，只会将经过用户授权的数据脱敏加工后，再用于改进模型效果。 健康医疗大模型的问答，容错率远低于常规通用大模型。夸克用三招来提高模型回答的准确性。 第一招，通过训练的全链路正确性微调，严格控制模型内在幻觉。 比如，药品相关信息如果输入错了，就会出现药不对症、可能影响健康的。对此，夸克在预训练知识注入阶段，覆盖国内外全部药品说明书；在用药能力微调（SFT）阶段，构建N个药品使用对齐任务，单独激发把事情做对的稳定性；在错误反馈对齐（RLHF）阶段，形成错误-正确的正负力，使用RM数据增强技术、负反馈抑制错误能力。 第二招，构建百万量级临床术语集和知识图谱，通过底层的权威医学知识库，确保模型输出内容专业、及时。 第三招，通过深度搜索技术及循证数据体系，强化外在正确性，让输出结果透明有依据。
03 . 多类诊疗场景准确率与人类 医生相当， 主任医师现身给夸克“批卷” 从诊疗效果来看，在门诊常见病场景下，夸克健康大模型诊断top1准确率达到90.78%，与人类医生书写的病历准确率水平相当。在疑难病例上，模型top1准确率达到85.51%；单从诊断任务能力上近似可看成三级医院全科主任级别能力，足以作为大多数医生好用的助手。

当然，考试只是衡量大模型的维度之一，实际体验才是硬本事。 安贞医院心脏外科主任医师谢进生认为，夸克在一些问题上回答专业度比专业医生还要强。 北京大学人民医院皮肤科主任医师、教授、硕士生导师李厚敏在试用夸克健康大模型后感受到危机感，认为这样的AI工具确实改变诊疗过程，为医生减负。 她分别展示了从主任医师角度和从患者角度提问的示例。 在一个从医生角度提问的案例中，李厚敏评价夸克给出的答案有这些亮点：方案全面，结构清晰，治疗分段合理，符合临床路径，实操指导性强，关注患者心理应对及长期管理。

她也给出了如何做得更好的建议：方案中没有说明各阶段干预的时机、疗效观察点及联合治疗顺序，略欠动态管理指导价值。 一类从患者角度的常见皮肤病提问是：脸上反复长痘，医生给开了激素类外用药，但自己比较犹豫，担心激素会让皮肤变薄、依赖，停药后会更严重，不敢用，该怎么办？ 李厚敏认为夸克在明确用药必要性方面的回复很科学，有助于缓解患者恐惧，并向患者提供多种替代方案选择、传达综合治疗管理理念。不过，回答中没有明确提及激素的特点和“缓撤药”、“维持期隔日/间断用药”等具体策略，略有欠缺关于定期复诊或建立长期随访计划的提示。 在她看来，AI应用能够帮助皮肤科辅助诊断与分型，提高早期识别率，并优化随访管理与个性化治疗方案。 精神科与皮肤科的需求有所不同。 武汉大学人民医院精神卫生中心负责人、主任医师、教授、博士生导师王惠玲也用常用的专业临床问题来考验夸克。从结果来看，她评价夸克的回答逻辑清晰，符合临床实际流程，所给建议的操作性很强，符合临床实际处理习惯，策略制定有据可循。

就优化方案而言，她建议在策略制定上应该更加重视患者可能存在的不良意念风险，建议增加干预自杀危机的响应策略。 从患者角度，一类常见问题是：被医生诊断抑郁并给出用药建议，但担心服药会成瘾、带来巨大的副作用。

王惠玲评价说，夸克的回答简单通俗地指出了患者的“成瘾”误区，可降低医患沟通成本，并分层列出常见及罕见副作用，在用药建议上还提供了辅助的非药物干预方式。不过回答中缺少在实际医患沟通中精神科医生对患者的“共情”，情感支持稍显不足。 在她看来，AI应用能帮助精神科分析语音模式、书写内容、可穿戴设备数据等，量化患者的情绪波动，辅助识别早期恶化信号，为医生提供更客观的参考。另外，很多患者存在病耻感，在线匿名的AI心理教育工具或其他在线咨询入口，能让更多患者敢于迈出求助的第一步。 需注意的是，AI无法替代医生精准评估不良意念所带来的风险，也很难在治疗不理想时用共情给患者足够宽慰。
04 . 中国超50%医学生都在用夸克 凭借在医学领域的专业性，夸克AI搜索吸引了一大批医学生和医生群体。 据夸克健康运营负责人赵存忠分享，夸克健康产品主要面向C端，围绕两类场景，一是基于搜索场景的权威健康顾问，帮普通人解决日常健康问题；二是基于医护人员的专业成长助手，帮医学生解决涉及临床诊疗、学习、资料类、考试专业需求的专业问题。

夸克健康为用户提供知识科普、生活指导、健康管理、疾病诊疗的全面服务，能提高健康知识的普及性、用户自我健康管理能力、全民健康素养，有效提高医疗资源可利用性和普及性。 目前夸克健康积累的用户大多为年轻人，18-40岁居多，通常在上午开始搜索健康问题，晚上则是了解健康问题的最高峰。 夸克健康在全国医学生中月活用户（MAU）已突破 200万 ，覆盖率 过半 。他们广泛使用夸克做三件事：基础知识搜索、考试备考AI搜题、临床辅助诊疗。 面向医学生，夸克做了三大核心需求产品：解题查解析（AI搜题），术语解释（专业问答），教材知识点（专业百科）。其专业搜索将逐步延伸到低年资医生等垂直人群，满足临床的知识查询和处理决策、用药需求，并涵盖高年资医生的科研、学术搜索及高效工作。
05 . 晒夸克健康搜索“全家福”， 做有温度的AI健康顾问 夸克的健康搜索内容体系，包括夸克健康百科、夸克健康问答等产品。 夸克健康百科 包含医典百科、就医指南； 夸克健康问答 包括通用问答、AIGC问答、SGS问答、深度搜索、健康助手自诊、学术搜索、包含专业资料的循证体系及知识图谱等，为用户提供权威、实用、精准的内容搜索。 夸克健康医疗搜索产品的演进，从传统生产（外发人工生产）到AIGC（模型批量生产）再到SGS（模型即时生成），用户搜索字数表达明显增加，逐渐能精准满足复杂长尾问答需求，给出明确结论。 其算法团队与医疗团队共同搭建循证体系，包含千亿级图谱病历、教材指南、文献论文、试题词典，提供专业检索。 深度搜索、深度思考能力则提高了对问题理解的精准度，使模型对于问题的回复的思考路径拆解更合理、解答的逻辑性更好，居家缓解、就医推荐的实用性更强，与医院角色形成互补。 夸克健康助手 开发基于医学临床思维的健康自诊，可以为用户提供全面的自我判断和就医推荐，提供症状自查、报告解读、在线问诊、AI自测、健康计算等功能。 该工具构建了基于医学知识系统的对话反问功能，可以在对话中收集足够的用户病症信息，给出推理分析，并给出实用的居家建议，判断病情需要就医，给出与科室推荐、检查建议，提供导医问诊服务。 夸克健康大模型还能作为健康生活科普助手，生成满足饮食、健康、运动的科普内容及优质笔记，为用户提供精准生活指导。 夸克健康利用 AI相机 功能为用户识热量、配料表分析、皮肤自诊等，提供健康饮食辅助决策及小病自查自管。比如拍张照，问AI这款零食健不健康、这个舌苔是否正常等。 除了准确率高，夸克健康还注重做有温度的AI健康顾问，按照真实医生诊疗路径分阶段、分专科训练诊断能力，在提供精准推理诊断的同时，以共情化满足用户的心理感受。 其 健康agent 是一个全科智能协同中枢，定位全科健康管家，有两大核心能力： 一是统一管理，全科健康管家统一管理信息和输入输出，用户健康问题需求由全科agent调度， 二是分发协同，所有用户请求经过全科agent初步处理，根据干预措施调用其他子agent，输出最终行动方案。
06 . 结语：健康大模型L4级基本到来， 将惠及精准医疗科普 在沟通会上，徐健总结了当前健康大模型能力水位：微软、OpenAI、讯飞等AI公司的模型或AI产品，在指定场景已做到与医生水平相当；在学术界，近1年Nature系列发了21篇医学大模型论文；在行业界，信通院发布《基于大模型的患者医疗服务应用场景及能力分级框架（2025年）》，提供了应用场景医疗服务能力的清晰分级。 L1级是信息辅助，L2级是单任务智能辅助，L3级是多任务智能辅助，L4级是高级协同决策辅助，最高等级L5智慧协同创新辅助能发现一些医生在诊疗过程中想不到的创新做法。 参考这个分级，今天，能与医生高级协同决策辅助的copilot助手（L4级别）基本到来，也将更好地帮助普通用户在健康问题上减少医患信息差。 夸克健康大模型及产品矩阵，正通过引入更强的推理能力，突破技术瓶颈，帮助医生节约时间、放大专业价值，并助力缓解医疗资源短缺问题，实现更加精准的医疗科普。

（本文系网易新闻•网易号特色内容激励计划签约账号【智东西】原创内容，未经账号授权，禁止随意转载。）