越来越多人开始拿AI看病——身体不舒服、化验单看不懂，先问问AI，已经成了一种习惯。有大夫表示，“一上午30个门诊，25个带着AI来看病。” AI 的表现似乎也对得起这份信任：牛津大学的一项研究里，把整理好的完整病例直接交给顶尖通用大模型，诊断准确率高达94.9%，比很多医生还高。

　　但同一项研究的另一半，却很少被提起：当研究者让普通人拿着自己的病情去和同一个AI对话时，准确率一路暴跌到34.5%。问题不在模型聪不聪明，而在信息是怎么来的——完整病例是医生整理好的。可现实里，病人说不清哪里不对、不知道该讲什么，关键信息得靠大夫的一句句追问才能得到。通用大模型最不擅长的恰恰是主动追问，它默认你能完整准确地描述病情，一旦做不到，再流畅专业的回答，也只是建立在残缺信息上的幻觉。

　　6月22日，百川智能对外发布消息称，其近日与清华大学研究团队联合发布新一代医疗增强大模型 Baichuan-M4——它在 HealthBench 及其 Hard、Professional 三个榜单上同时位列世界第一，全面超越 GPT-5.5、Claude Opus 4.7、DeepSeek-V4-Pro，幻觉率低至 3.3%。

　　其中，在最考验复杂临床决策的Hard子集上，该模型领先达15.9分。事实性幻觉率降至3.3%，这些分数指向的不是考试能力，而是四项贴着临床走的核心能力：问诊、记忆、循证、调度。

　　问诊是看病的第一步。一名好医生的功力，往往就体现在问诊上——他能用一连串恰到好处的追问，引导患者把零散、模糊甚至自己都没在意的细节，一点点说成一条完整的病程。

　　百川智能介绍，M4会主动追问症状的性质与诱因，优先识别和排查危急重症，而不是被动等待用户提供完整信息，更不会为了尽快给出答案而跳过该问的关键病史。同时，其借鉴医学教育中长期使用的OSCE（客观结构化临床考试）方法，联合150多位一线医生，构建了动态问诊评测体系SCAN-bench。它不考查静态记忆，而是以真实临床经验为评分标准，通过多轮、动态的方式完整模拟医生从接诊到确诊的全过程。

　　真实的诊疗，很少在一次问诊里就结束。一次化验结果、一次用药后的反应、一个新冒出来的症状，都会随病情推进不断改写医生的判断——这意味着，谁能记住一个人完整的病史，谁才谈得上连续地看病。M4这一代推出的全病程记忆打通了历史病历、多轮问诊、化验趋势与用药反馈，让模型在多次对话中始终掌握患者是谁、既往有过哪些疾病、各项指标如何变化，而不必每次从零开始。

　　问诊、记忆、循证彼此割裂，单项再强，也拼不成一个能用的医疗系统。常见的做法是把多个能力按固定顺序人工调用，但患者并不会判断自己此刻该问诊、查指南还是复盘病史，衔接一旦错位，整套就卡在那里。这一步的编排，必须由模型自己完成。

　　承担这层编排的，是百川面向医疗场景构建的Baichuan-Harness。如果说M系列模型是医疗Agent的大脑，它就是调度这个大脑的中枢神经：何时追问、何时检索证据、何时调出既往病史，均由模型自主决定，无需人工逐步指令。同时，这套系统不是一次成型，而是在真实诊疗中持续迭代：线上的疑难案例、用户的追问、医生的纠偏，经脱敏与归因后回流，成为模型继续改进的依据。问诊、记忆、循证由此被编排成一个完整的整体，M4也从一个最强的医疗大脑，成为能独立完成连续诊疗的医疗智能体。

　　百川智能直言，从M1到M4，百川始终只做一件事：让AI真正能看病。这件事最难，但也最值得，它正在把原本只能满足少数人的优质诊疗资源，带到每一个普通人身边。