阿里旗下通义千问APP于2026年5月27日升级“拍照问健康”功能，突破传统OCR限制，实现医学图像理解与临床推理。新功能包括视觉圈选，可自动标记化验单或患处异常区域；以及联动推理，结合年龄、性别和多指标关联进行排除法分析，提升诊断准确性。
百川智能推出Baichuan-M3 Plus医疗大模型，专为高可靠性医疗场景设计。该模型将“六源循证范式”融入训练与推理全流程，确保诊断建议、用药提示等均基于权威医学证据。其事实性幻觉率降至2.6%，相比GPT-5.2降低超30%，显著提升医疗AI的临床可信度。
公司发布新一代开源医疗大模型MedGemma 1.5及临床语音识别模型MedASR，强化医疗技术布局。MedGemma 1.5基于Gemma系列，重点提升医学影像理解能力，可处理文本病历、检验报告、医学文献及X光、CT等影像数据，辅助初步筛查与诊断。
美的集团旗下美的医疗推出自主知识产权“医学影像多模态智能诊断大模型”，实现AI医疗关键突破。该模型可一次性自动检测肺结核、肺炎、气胸、骨折等常见胸部疾病，并生成结构化诊断报告，显著提升基层医疗机构阅片效率与诊断一致性。
获取药物信息 | AI医学诊断 | AI医学助手
Iflytek
$2
Input tokens/M
-
Output tokens/M
Context Length
8
Baichuan
32
chaoyinshe
EchoVLM是一个专为医学超声领域设计的动态专家混合视觉语言模型，能够处理图像和文本输入并生成文本输出，在超声智能诊断中具有重要应用价值。
mradermacher
DrMedra4B是一个专注于医学领域的量化模型，支持英语和罗马尼亚语，适用于医疗人工智能、临床推理、摘要生成和诊断等任务。
prithivMLmods
这是一个基于google/siglip2-base-patch16-224架构的二分类图像模型，专门用于检测骨骼X光图像中的骨折情况。该模型在医学诊断、临床分诊和放射学辅助系统中具有重要应用价值。
xdatasi
这是一款基于LLaMA、GPT和DeepSeek混合架构的医疗AI辅助模型，专门用于医疗诊断推理和治疗建议辅助。在8000万份医疗记录上训练，具备深厚的医学知识，但目前仅用于研究和测试目的。
1aurent
这是一个基于Vision Transformer架构的病理图像分析模型，专门针对医学病理图像进行分类和特征提取。模型在多个病理图像数据集上表现出色，为病理诊断和研究提供了有效的AI解决方案。
IAMJB
该模型能够将输入的医学图像（如X光片）转换为描述性文本，辅助医疗诊断。
winninghealth
WiNGPT2是基于GPT架构的医疗垂直领域大模型，致力于整合专业医学知识、医疗信息和数据，为行业提供智能化的医疗问答、诊断支持和医学知识服务。
WiNGPT2是基于GPT架构的医疗垂直领域大模型，致力于整合专业医学知识、医疗信息和数据，为行业提供智能问答、诊断支持及医学知识服务。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
