疗愈1T：万亿参数的医疗专用大模型！

医疗大模型研发正面临一道棘手的“三难困境”——医患规范沟通、多模态临床推理、电子病历智能体操作，这三类核心任务彼此独立，且失效模式截然不同。传统做法是用通用医学数据集统一微调，但结果往往是“补东墙拆西墙”——优化沟通话术会导致ICD编码准确率下滑，强化推理能力又会压缩问诊流程，促使模型过早下诊断。
针对这一结构性矛盾，研究团队基于Kimi-K2.6基座，创新设计了一套人工把关自进化LoRA微调框架，推出万亿参数医疗专用模型“疗愈1T”，其上下文窗口达256K，原生支持图文多模态输入，全程冻结基座主干，仅更新低秩适配器，以极轻量训练成本实现了多维度能力的同步跃升。

整套训练闭环包含五大模块，核心逻辑是“以失败样本驱动精准修复”，而非盲目灌数据。首先由规划模块定义目标能力、评测基准与数据配方，经人工审核后方可启动；随后进入三段式阶梯训练——监督微调筛查数据有效性，强化学习优化决策策略，自蒸馏收敛输出逻辑。训练完成后，全基准评测自动运行，系统会完整记录每条案例的推理轨迹，并归纳故障根源为知识缺失、推理断层、工具调用错误或沟通话术疏漏。
最关键的一步是数据精细化生成：针对失败样本，采用推理修正、知识注入、行为校准、留存锚点和任务专项修复五类策略，定向合成修复数据，同时用锚点样本牢牢锁住已有能力，防止新优化挤掉旧功能。最终，人工终审闸门对本轮效果进行复盘，决策是保留、回退、补充优化还是正式发布。整个循环不依赖海量通用数据，而是围绕“数据配方迭代”持续精进，区别于传统调参或批量灌数据的粗放路径。

在评测验证环节，“疗愈1T”接受了MedAgentBench、AgentClinic、MedXpertQA、HealthBench四大类共六套权威医疗基准的全维度检验，并在其中五项斩获第一。
MedAgentBench聚焦FHIR标准下的电子病历工具调用，基座Kimi-K2.6基线准确率为88.3%，经多轮自进化优化后“疗愈1T”攀升至94.0%，超过Claude Opus 4.8的93.7%，有效攻克了病历编码缺失、申请单字段错误等高频顽疾。
HealthBench医患沟通评测中，专业场景得分66.2%，高难度场景36.8%，均小幅领先Claude Opus 4.8，核心优势是全面覆盖医师评分标准所有要点，杜绝关键宣教信息遗漏。
MedXpertQA图文专科问答综合总分65.5%，仅次于GPT-5.5的67.5%，但在罕见病和病理影像判读上提升显著。
AgentClinic多轮仿真诊疗综合通过率79.6%，与Claude Opus 4.8基本持平，关键突破是大幅减少了“检查未完善即提前下结论”的典型误诊缺陷。此外，在数学AIME、科学GPQA、通讯零售智能任务等域外通用评测中，“疗愈1T”性能与通用大模型持平，证明医疗专项优化并未牺牲基础推理能力。

当然，研究也存在明确边界：受算力限制仅采用LoRA适配器，未做全参数微调；所有评测均在标准化仿真环境中完成，缺乏真实医院长期临床验证；精神科、儿科等细分专科尚未定向迭代。尽管如此，其行业价值不容忽视——技术层面，开创了故障样本驱动的自进化范式，为医疗专用智能体训练提供了标准化可复现流程；行业层面，同时覆盖病历操作、问诊沟通、多模态诊断全链路，适配医院电子病历、线上问诊、院内辅助诊疗等多场景；评测层面，单一模型同时适配四类差异化基准，打破了“单项强、综合弱”的旧有瓶颈，为医疗机构选型和医疗AI研发提供了全新参考标准。

这套自进化框架具备高度复用性，后续可快速迁移至专科智能体研发，同时其严谨的仿真与临床差距声明，也为医疗AI监管和院内落地提供了务实的性能参照，推动更安全、更完整、更可执行的临床自主智能体持续迭代。
#热门微博# #医学新闻# #ai医疗# #哈勃观察员[超话]#