阿里健康旗下AI应用“氢离子”上线“动态证据定位”功能，将传统静态引用升级为“活证据”，旨在解决AI虚假信息问题。新功能可精准定位原文，并实时校验信息的时效性、权威性与逻辑一致性，基于“三维循证架构”实现全球医学指南与文献的日更追踪。
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。
OpenAI以约1亿美元收购医疗健康初创企业Torch，旨在布局医疗健康领域。Torch作为AI健康应用，整合凯撒医疗记录、普雷努沃医学影像及苹果健康数据，为用户提供智能化健康管理方案。
金域医学推出AI癌症病理基因大模型DeepGEM，已投入临床应用。该模型融合组织切片、基因测序和临床数据，显著提升基因突变识别效率与准确率，推动AI从实验室走向癌症诊疗一线，加速精准医疗发展。
医生的医学学习应用
Openai
$2.8
输入tokens/百万
$11.2
输出tokens/百万
1k
上下文长度
-
Anthropic
$7
$35
200
Google
$2.1
$17.5
$21
$105
Alibaba
$3.9
$15.2
64
Bytedance
Baidu
32
Tencent
$0.63
$3.15
131
$15
24
Iflytek
$2
$0.8
$2.4
$12
8
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。
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。
QuantFactory
Neeto-1.0-8b-GGUF 是基于 S4nfs/Neeto-1.0-8b 的量化版本，专为医学考试准备和医学应用而设计。该模型使用 llama.cpp 创建，在医学数据集上进行了严格训练，专注于医学相关任务，如医学考试准备、病例分析和医学推理。
Apollo2-7B-GGUF 是 FreedomIntelligence/Apollo2-7B 的量化版本，支持多种语言的医学大语言模型应用。
Mungert
MedGemma-4B-IT是基于Gemma 3的医学领域多模态模型，支持医学文本和图像理解，适用于医疗AI应用开发。
unsloth
MedGemma是基于Gemma 3开发的医学多模态模型，专注于医学文本和图像理解，支持构建医疗保健AI应用。
google
MedGemma是Google开发的针对医学文本和图像理解优化的Gemma 3变体，提供4B和27B两个版本，专为医疗AI应用设计。
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。
markrodrigo
针对叶片植被的RGB三通道二元分割模型，适用于灌木或乔木场景，具备医学应用潜力，支持野火可燃物评估等多场景应用
OpenMeditron
Meditron是一套专门用于临床医学的大语言模型，由OpenMeditron倡议组织开发，基于Llama-3.1-70B基础模型训练，专注于资源有限和人道主义环境下的医学应用。
TsinghuaC3I
专注于生物医学领域的开源大语言模型，提升医学考试辅助、文献理解与临床知识应用能力
BloodHound-MCP是一个专注于血液流动动力学研究的项目，提供工具和资源以探索其在医学、工程等领域的应用。
Transformers英语%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)
