阿里健康推出自研医学大模型“氢离子”，专为临床与科研医生设计，定位“医生版GPT”。该应用聚焦医学场景，核心优势在于大幅降低AI幻觉，确保回答有据可查、有源可溯，旨在解决行业痛点，提升医疗AI的专业可靠性。
国产医疗大模型Baichuan-M3发布，拥有2350亿参数，融合医学文献、临床指南等数据，专注于医疗场景，具备高准确性和低幻觉率，提供智能问诊与用药建议。
百川智能发布新一代开源医疗大模型Baichuan-M3，在多项医学评测中综合表现超越GPT-5.2，部分任务优于人类医生平均水平。该模型专为医疗场景深度优化，融合海量医学数据，标志着国产大模型在垂直领域实现关键突破。
Anthropic的AI助手Claude通过HIPAA合规认证，成为少数可合法处理敏感健康信息的大模型。这标志着AI在医疗领域的应用迈过关键合规门槛，医院、诊所、药企及个人用户可安全将其用于临床与健康管理场景。
百川智能开发的专为医疗场景优化的开源大语言模型，具备卓越的通用能力和医疗领域性能。
面向医疗健康场景的领域大模型
Xai
$1.4
Input tokens/M
$3.5
Output tokens/M
2k
Context Length
Openai
$7.7
$30.8
200
-
Anthropic
$105
$525
Google
$0.7
$2.8
1k
$7
$35
Alibaba
$1
$10
256
$2
$20
$8
$240
52
Bytedance
$1.2
$3.6
4
$3.9
$15.2
64
$15.8
$12.7
$0.8
dogeater1612
这是一个基于Google Gemma 2 9B模型微调的荷兰语患者模拟模型，专门为医疗教育场景设计。模型始终以固定的JSON结构响应，模拟一位刚做完手术正在康复的患者'玛丽亚'，支持护理专业学生在安全环境中锻炼沟通和临床推理能力。
openmed-community
基于Arcee的AFM-4.5B的轻量级医疗微调模型，采用三阶段训练方法（SFT→DPO→GRPO-CoT）进行优化，专门用于医疗教育和研究场景。
adityak74
MEDFIT-LLM-3B是一个专门针对医疗问答优化的语言模型，基于Meta的Llama-3.2-3B-Instruct进行微调。该模型通过LoRA技术在医疗数据集上训练，显著提升了医学领域理解和直接回答能力，适用于医疗聊天机器人、患者教育等应用场景。
second-state
medgemma-4b-it 是一个专注于医疗领域的多模态模型，能够处理图像和文本输入，适用于放射学、临床推理等多个医疗场景。
unsloth
MedGemma是谷歌开发的专为医疗场景优化的AI模型系列，包含4B多模态和27B纯文本两个版本。基于Gemma 3架构，在医疗文本和图像理解任务中表现出色，能够有效支持医疗AI应用开发。
mlxha
本模型是基于Qwen/Qwen3-4B在medmcqa-grpo数据集上使用GRPO方法微调得到的医疗问答大语言模型。它专门针对医学选择题场景进行优化，具备较强的医学推理能力。
drwlf
Medra是一款专为医疗场景设计的轻量级语言模型，基于Gemma 3构建，旨在辅助临床推理、医学教育及对话建模。
cortexso
Deepscaler是一款基于DeepScaleR-1.5B-Preview开发的高级AI模型，专注于提升机器学习任务的效率与可扩展性。该模型提供高质量的预测分析和数据处理能力，适用于自然语言处理、计算机视觉等复杂场景，在金融、医疗和娱乐等行业有广泛应用。
HZhun
该模型是基于RoBERTa微调的文本分类模型，用于识别用户输入文本的意图，区分医疗问诊与日常闲聊两类场景。
Na0s
基于whisper-large-v3微调的医疗场景专用语音识别模型
hap20
基于OpenAI Whisper-small微调的医疗领域语音识别模型，支持医疗场景下的语音转文本任务
therealcyberlord
基于TinyLlama-1.1B-Chat-v1.0微调的医疗领域问答模型，针对医疗文本和问答场景优化
Flmc
DISC-MedLLM是复旦大学DISC实验室开发的面向医疗对话场景的领域大语言模型，基于Baichuan-13b-base构建，提供高质量的健康支持服务。
OpenMEDLab
基于Bloom 7B架构优化的医学大语言模型，覆盖全场景医疗语言处理任务
medicalai
专为临床场景设计和优化的大型语言模型，基于广泛多样的医疗数据集进行微调
Eka MCP Server是Eka Care开发的医疗知识库交互服务，专注于印度医疗场景，提供药品品牌和治疗方案的结构化查询功能，以提高AI医疗应答的准确性和可靠性。
PrivAgents是一个隐私优先的框架，通过结合本地和云端代理，利用同态加密技术实现安全数据处理，确保数据在传输和处理过程中始终加密，适用于医疗、金融等敏感场景。
Gguf%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)
