Опубликовано ChatGPT Здоровье. Через 6 дней OpenAI был обогнан на собственном медицинском Benchmark.

Автор: Li Yuan

Ты когда-нибудь задавал AI-ассистенту вопросы о своем здоровье?

Если ты и я — глубоко увлеченные пользователи AI, то, скорее всего, уже пробовали.

Данные, предоставленные OpenAI, показывают, что здоровье стало одним из самых популярных сценариев использования ChatGPT: по всему миру более 2.3 миллиардов человек каждую неделю задают вопросы, связанные со здоровьем и уходом за собой.

Именно поэтому, к 2026 году, сфера здравоохранения явно становится одним из ключевых направлений конкуренции в области AI.

7 января OpenAI выпустила ChatGPT Health, позволяющую пользователям подключать электронные медицинские записи и различные приложения для здоровья, чтобы получать более целенаправленные медицинские ответы; а 12 января Anthropic сразу же представила Claude for Healthcare, подчеркнув возможности новой модели в медицинских сценариях.

Интересно, что в этот раз китайские компании не остались в стороне, а даже демонстрируют лидерство.

13 января Baichuan Intelligence объявила о выпуске модели Baichuan M3, которая в оценочном тесте HealthBench в области медицинского здоровья, опубликованном OpenAI, превзошла GPT-5.2 High и заняла первое место по состоянию искусства (SOTA).

После критики в адрес All-in Medical, Baichuan Intelligence, похоже, наконец, доказала свою состоятельность. GeekPark также специально пообщался с Ван Сяоцзянем о том, как Baichuan видит возможности модели M3 и финальную точку развития AI в медицине.

01 Впервые в тестах в области здоровья превзошли OpenAI

Одним из ярких достижений новой модели M3 является то, что она впервые в тесте HealthBench, опубликованном OpenAI, превзошла GPT-5.2 High и заняла первое место по состоянию искусства.

SOTA по HealthBench, Hard и Hallucination Evaluation

HealthBench — это оценочный тест в области медицины и здоровья, выпущенный OpenAI в мае 2025 года. Он создан 262 врачами из 60 стран и включает 5000 высокореалистичных многораундовых медицинских диалогов. Это один из самых авторитетных и приближенных к реальным клиническим сценариям тестов в мире.

После публикации модели OpenAI постоянно лидировали.

На этот раз Baichuan Intelligence представила новую открытую медицинскую модель Baichuan-M3, которая набрала 65.1 балла и заняла первое место в мире, а в сложном тесте Hard, проверяющем способность к сложным решениям, M3 также выиграла, установив рекорд.

Также Baichuan опубликовала результаты теста на уровень галлюцинаций — модель M3 показала уровень 3.5%, что является одним из самых низких в мире.

Важно отметить, что этот показатель галлюцинаций — это уровень, при котором модель не использует внешние источники поиска, а работает только на базе своей архитектуры.

Baichuan заявил, что достижение этих результатов связано с внедрением в модель подходящих для медицины методов обучения с усилением (Reinforcement Learning).

В модели M3 впервые применена технология Fact Aware RL (фактоориентированное обучение с усилением), которая помогает модели избегать шаблонных и необоснованных ответов.

Это особенно важно в медицине.

В неоптимизированных моделях при задавании медицинских вопросов часто возникают две проблемы: первая — модель выдумывает симптомы или диагноз; вторая — ответ размытый, и в итоге приходится идти к врачу, что не очень помогает ни врачу, ни пациенту.

Это происходит потому, что многие модели оптимизируются только по уровню галлюцинаций, и для снижения этого показателя они могут просто накапливать правильные факты, не заботясь о точности.

Baichuan внедрила механизмы кластеризации и взвешивания важности — кластеризация устраняет избыточные повторения, а взвешивание усиливает важность ключевых медицинских выводов.

Также, если просто вводить штрафы за галлюцинации, модель может стать слишком осторожной, избегая говорить что-либо рискованное. Поэтому в алгоритме Fact Aware RL предусмотрена динамическая регулировка веса — в стадии обучения модель фокусируется на усвоении и выражении медицинских знаний (высокий Task Weight), а после достижения зрелости постепенно усиливает ограничения на галлюцинации (повышая Hallucination Weight).

Когда есть возможность подключаться к сети, Baichuan добавила онлайн-модуль проверки с многократным поиском и использовала эффективную систему кэширования для обработки огромных объемов медицинских знаний.

02 Уровень консультаций выше человеческих врачей, модель переходит в стадию практического использования

Но превзойти OpenAI в тесте HealthBench — не единственный важный момент.

Еще более интересно, что Baichuan создала собственный тестовый набор SCAN-benche. В отличие от рейтинговых тестов OpenAI, собственный набор Baichuan лучше отражает направление, в котором компания хочет развивать медицинские решения.

Главная задача этого теста — оценить «сквозную способность к консультациям». Исследования Baichuan показали, что при увеличении точности вопросов на 2%, точность диагностики повышается на 1%.

То есть, по сравнению с HealthBench, который в основном проверяет, «может ли AI отвечать на вопросы», SCAN-benche ориентирован на то, сможет ли AI в диалоге получать полезную информацию и давать правильные рекомендации.

Обычно, задавая вопросы AI-ассистенту, если просто сказать «ты опытный врач», результат может быть не очень хорошим. Потому что настоящий врач придерживается строгого протокола — Baichuan сформулировала его в виде четырех принципов SCAN: Safety Stratification (безопасность и разделение рисков), Clarity Matters (ясность и уточнение информации), Association & Inquiry (связь и уточнение), Normative Protocol (нормативное оформление).

На основе этих принципов Baichuan заимствовала метод OSCE, широко используемый в медицинском образовании, и совместно с более чем 150 врачами создала систему оценки SCAN-bench. Она разбивает процесс диагностики на три этапа: сбор анамнеза, вспомогательные исследования и точная диагностика, — и моделирует весь цикл, от обращения до постановки диагноза, с помощью динамических многократных раундов, чтобы оптимизировать модель.

Baichuan также опубликовала результаты тестирования M3 на SCAN-benche.

Результаты оказались очень интересными. В частности, модель не только сравнивали с реальными врачами, но и сравнивали с ними вживую. И оказалось, что в четырех квадрантах модели уже превосходят врачей.

GeekPark специально спросил у команды Baichuan, и ответ был таков: тесты проводились именно с участием профессиональных врачей, которые соревновались с моделью по конкретным клиническим кейсам. Модель побеждает, потому что она более терпелива и, что важнее, обладает лучшими междисциплинарными знаниями.

Например, в одном случае речь шла о 10-летнем ребенке с повторяющейся лихорадкой, что — очень сложный симптом. Если ограничиться вопросами о кашле или легких, можно пропустить серьезные проблемы с суставами или мочевыводящей системой, ошибочно приняв их за обычную инфекцию.

Человеческие врачи обычно лучше разбираются в узкоспециализированных заболеваниях, поэтому сложные случаи требуют консультации специалистов или поиска информации в книгах.

А обычные модели, не прошедшие специальную подготовку и просто имитирующие врачей, зачастую не справляются с такими вопросами.

03 Следующий шаг: постепенное создание продуктов для конечных пользователей, развитие более серьезной медицины

Для Baichuan Intelligence важность достижения уровня врача — очень значима: это означает, что AI уже преодолел порог практической применимости и может быть внедрен в реальные сценарии.

С 13 января пользователи уже могут в сайтах и приложениях Baichuan начать получать ответы от модели M3.

Дизайн сайта очень интересен: хотя ответы дает модель M3, есть разделение на версию для врачей и для обычных пользователей. В версии для врачей ответы короче, с большим количеством ссылок и более «нечеловечными». В обычной версии модель почти не дает готовых ответов сразу, а задает дополнительные вопросы и делает диагностику более точной.

Baichuan отметил, что внутренний процесс мышления модели очень забавен. «Мы часто видим, как модель в цепочке рассуждений говорит: “Этот пациент не отвечает на мой вопрос, но я должен его задать.” Даже есть случаи, когда модель говорит: “Я уже задавал этот вопрос 20 раз, это превышает лимит, но я все равно должен его спросить.” Это потому, что в процессе обучения модель учится говорить так, чтобы не получить награду, а чтобы получить ее, она должна собрать достаточно ключевой информации и поставить правильный диагноз. Это — явное отличие от других подходов к обучению моделей.»

В последнее время многие AI-компании начинают входить в медицинскую сферу. И именно это Baichuan считает своим главным отличием — делать медицину более серьезной.

«Это означает, что при выборе сценариев Baichuan не ориентируется на легкие задачи, а постоянно повышает уровень сложности, чтобы решать более сложные проблемы», — говорит Ван Сяоцзянь.

Например, в будущем Baichuan планирует сосредоточиться на онкологических сценариях, а психологическая помощь — оставить на более поздний этап.

Общественное мнение считает, что AI в психологии — более простая и более реализуемая сфера. Но Baichuan придерживается другого мнения. Они считают, что в онкологии есть более строгие научные основы. В этой области AI способен давать более серьезные медицинские результаты, достигая или превосходя уровень врачей. В то время как в психологии отсутствует такая научная база.

Также некоторые компании создают «автоподражания» врачей, но Ван Сяоцзянь считает, что это не то, чем занимается Baichuan. Врачебное «автоподражание» не может полностью воспроизвести уровень настоящего врача и не способен его превзойти. Такой AI в конечном итоге станет лишь имитацией и инструментом привлечения клиентов, а не настоящим движущим фактором развития серьезной медицины.

Это принципиальное отношение к серьезности сильно влияет на бизнес-стратегию Baichuan.

Это напрямую связано с размышлениями Ван Сяоцзяня о следующем этапе развития медицинского AI. Он считает, что сейчас самое важное — на базе повышения возможностей AI постепенно расширять медицинский сервис.

Китай уже много лет пытается внедрить иерархическую систему и общие практики. Изначально целью было, чтобы люди сначала обращались в местные клиники, чтобы снизить нагрузку на крупные больницы, решить проблему очередей и перегруженности.

Трудности внедрения связаны с недостатком медицинских ресурсов. Врачей высокого уровня в сельских и районных больницах мало. Даже при простых простудах люди предпочитают идти в крупные больницы, потому что не доверяют уровню местных.

Именно в этом и заключается ключевая роль AI в медицине. Большие модели могут масштабировать лучшие медицинские знания, заполняя пробелы в первичном звене, позволяя каждому сообществу и дому иметь доступ к экспертной диагностике.

В перспективе это может привести к тому, что решения в медицине начнут постепенно переходить от врачей к пользователям. В традиционной медицине пациенты — получатели услуг, но зачастую не имеют решающего слова. Власть сосредоточена у врачей, что создает коммуникационные барьеры и страдания при лечении.

Baichuan хочет с помощью AI сделать так, чтобы пациенты могли легче получать качественные медицинские услуги. «Многие считают, что медицина слишком сложна, и пациенты никогда не смогут ее понять. Но в американской судебной системе есть институт присяжных. Закон очень сложен, и простые люди его не понимают. Поэтому судьи, адвокаты и прокуроры должны вести разъяснительную работу, чтобы все было понятно, и обычный человек мог логически судить о виновности или невиновности», — говорит Ван Сяоцзянь.

Это одна из причин, почему Baichuan не хочет ограничиваться простыми сценариями, а стремится развивать более сложные и серьезные медицинские решения.

Когда его спросили, будет ли решение сложных задач наиболее прибыльным в бизнесе, Ван Сяоцзянь дал очень глубокий ответ.

Он считает, что решить такие мелкие проблемы, как простуда или температура, сложно с точки зрения формирования доверия у пользователей. Медицина — очень сфера, основанная на доверии. Только когда AI сможет решать сложные и тяжелые задачи, такие как тяжелые болезни, можно будет по-настоящему построить доверие.

С точки зрения бизнеса, пациенты при серьезных проблемах здоровья более склонны платить за качественный AI-сервис. Это не только основа доверия, но и ключ к масштабированию AI-медицины.

А в более широком смысле, медицина для Baichuan и Ван Сяоцзяня — это путь к созданию общего искусственного интеллекта (AGI).

Ван Сяоцзянь считает, что AI уже нашел решения в области гуманитарных, технических, художественных и научных дисциплин, а медицина — очень уникальная сфера. Исследования в медицине еще не завершены, и AI только начинает ее осваивать.

Дорожная карта Baichuan очень ясна: сначала с помощью AI повысить эффективность диагностики и решить проблему нехватки ресурсов, а затем — построить глубокое доверие с пациентами. Когда пациенты начнут активно использовать AI для долгосрочных консультаций, AI сможет накапливать реальные и качественные медицинские данные.

Эти данные в конечном итоге могут привести к созданию математической модели жизни — пути, которым до сих пор не прошли даже лучшие врачи. Если удастся смоделировать суть жизни, это станет важным шагом к развитию общего искусственного интеллекта.