MedBench最新评测：山海大模型医疗专业能力全球第一，各项指标力压GPT-4
2026-01-19 06:10:48
云知声山海大模型医疗行业版（UniGPT-Med）在MedBench最新评测中以综合得分82.2位列全球第一，各项指标全面超越GPT-4，展现出其在医疗专业领域的领先能力。
评测背景与平台升级MedBench由上海AI实验室和上海市数字医学创新中心联合推出，致力于构建科学、公平、严谨的中文医疗大模型评测体系。其评测框架基于医学权威标准，涵盖五大核心维度：
医学语言理解：评估模型对医学术语、复杂句式的解析能力。
医学语言生成：检验模型生成专业医学文本的准确性与流畅性。
医学知识问答：测试模型对医学知识库的掌握与应用水平。
复杂医学推理：考察模型在病例分析、诊断逻辑中的推理能力。
医疗安全和伦理：确保模型输出符合医学伦理与安全规范。
平台通过8个公开数据集和12个自建数据集，构建了约30万道中文医疗专业测评题，覆盖医学考试、患者服务、问诊、病例分析等场景。2023年5月，MedBench完成全面升级：
引入API评测方式，拓宽参评途径。
优化开放域问答评估指标，提升公正性。
升级数据集、评测方法及系统功能，构建更完善的社区环境。
山海大模型的核心优势在此次评测中，山海大模型医疗行业版通过API提交方式参与，以82.2分的综合成绩刷新纪录，并在五大维度全面领先GPT-4。其优势体现在：
技术迭代能力：山海大模型通用能力已超越GPT-3.5，在SuperCLUE 4月评测中跻身国内Top10；与GPT-4对战中，综合胜率与和率达75.55%。
医疗专业突破：
2023年6月，在MedQA任务中以87.1%的准确率超越Med-PaLM 2。
临床执业医师资格考试中取得523分（总分600分），超过99%的考生水平。
在CCKS 2023 PromptCBLUE评测中获通用赛道一等奖。
多场景应用潜力：山海大模型支持从医学考试到临床实践的全流程任务，包括病历生成、问诊辅助等，为医疗智能化提供底层技术支撑。
行业影响与未来展望山海大模型的领先表现标志着中文医疗大模型技术达到新高度，其应用价值已得到多方验证：
提升医疗服务效率：通过自动化病历生成、智能问诊等功能，减少医务人员重复劳动。
优化患者体验：提供精准的疾病科普、用药指导，增强医患沟通质量。
推动科研进步：辅助医学研究中的数据挖掘与推理，加速新药研发与诊疗方案优化。
随着医疗行业对智能化需求持续增长，山海大模型有望在远程医疗、健康管理、医院信息化等领域发挥核心作用，助力构建更高效、精准的医疗生态体系。
热门标签
