把医疗AI禁锢在严肃区间：百川M3 Plus首创证据锚定，幻觉率2.6%

衡宇 发自 凹非寺
量子位 | 公众号 QbitAI

谁还没拿自己日常的小病小痛问过AI？

就是这种日常场景，让AI悄悄成为很多人就医流程里的前置入口。

寻医问诊时，咱普通人可以拿DeepSeek、ChatGPT的回答作参考，医生却不能。但在严肃的医疗领域，不准确的建议甚至比没有建议更危险。

但我们注意到，随着AI智能越发涌现，很多医生，尤其是年轻医生已经开始尝试拥抱AI。

All in医疗AI的百川智能告诉我们，他们的专业版模型已有约10万医生用户，而且年轻人偏多，“用我们模型的用户画像和喝瑞幸的用户画像高度重合”。

不过年龄只是影响因素之一，医疗界对AI大势的判断并不存在根本分歧。

只是在严肃医疗领域，AI想要真正进临床，必须翻过两座大山：信任与成本。

百川智能最新发布的循证增强医疗大模型Baichuan-M3 Plus给出了极具诚意的答案。

凭借百川智能独创的六源循证技术，结合Baichuan-M3基座，Baichuan-M3 Plus幻觉率降低至2.6%，处于目前公开评测中的全球最低水平。

借用这个模型，百川希望在严肃医疗场景下，正面回答“如何让AI真正成为医生可信赖的助手，最终惠及每一位患者”这个问题。

全球最低幻觉率

Baichuan-M3 Plus（以下简称M3 Plus）是一个循证增强医疗大模型，幻觉率全球最低，不到3%。

“循证增强医疗大模型”是百川如今的模型主线。

循证是个医学概念，旨在将最佳研究证据、专业经验以及当事人的意愿三者相结合，以做出更科学、可靠的决策。

就在10天前，百川医疗大模型迭代至M3版本，在OpenAI发布的医疗评测集HealthBench上夺得全球第一，反超GPT-5.2 High。

登顶背后最核心的技术杀手锏是Fact-Aware RL（事实感知强化学习）。

传统的强化学习（RLHF）往往只关注人类的偏好，Fact-Aware RL技术通过在奖励模型（Reward Model）中引入医学事实的硬性约束，让模型在训练阶段就形成了对幻觉的过敏反应。

在训练过程中，百川还特别引入了Citation Reward Model，专门惩罚错误引用。

具体到HealthBench的评测表现上，M3在无工具辅助的原始设定下，将幻觉率压低到了3.5%，水平是当时的行业天花板。

此次最新发布的M3 Plus，正是由M3模型和日臻成熟的六源循证深度融合而来。

这种结构让M3 Plus的幻觉率再创新低，来到2.6%。

这个幻觉率水平，已经低于目前业内公认的标杆产品水平，也低于部分人类医生在复杂医学问题上的平均误判率区间。

“如果模型幻觉低能力强，但成本太高，医生和医院也会难以真正用起来。”调用成本下不来，谈严肃落地就没有意义。

为此，M3 Plus在工程层面进行了多轮极致优化。

M3 Plus 在系统层面进行了全面的工程重构，通过 MoE 架构优化、模型量化以及 Gated Eagle-3 投机解码等关键技术，在严格保证模型能力与可靠性的前提下，实现了 API 调用成本较上一代降低 70%。

根据百川给出的数据，相同配置下，Gated Eagle-3相较原始Eagle-3可带来约15%的推理吞吐量提升，从而直接压低单位请求的推理成本。

好一个一边让严肃性提上去，一边把价格打下来。

既有助于消解医学界对AI时代来临想用又不敢用的情绪，又让大家都用得起。

首创“证据锚定”，模型说的每一句都是据实回答

此前的医疗大模型虽然大多支持标注“文献引用”，但在实际使用中，医生经常遇到两个头疼的痛点。

一种是“张冠李戴”。

模型给出了引用角标，但点开发现引用的文献里压根儿没有那句话。

另一种是“内容冲突”。

也是标明了有引用，但其实是AI瞎凑瞎引的，索引的文献并不能支持AI得出的结论。

据统计，目前医疗行业常见的引用准确率区间是40%到50%，也就是一半左右的引用在语义或事实上站不住脚。

沟通会上，百川智能模型技术负责人鞠强现场提供了一个真实案例素材——

在肿瘤药物不良反应的测试中，某些看起来非常专业的回答，标明引用汇总了权威协会共识、专家指南和说明书，从形式上看几乎无可挑剔。

但逐条核对后发现，约90%的引用内容与结论本身没有直接关系，有的甚至给出的引用里，连药物都不是询问模型的那一个。

一个看起来有据可查的答案，背后隐藏着不可接受的严肃错误。但因为看上去高度专业，有经验的医生不留神都可能踩坑，更别提还有许多初出茅庐的那些医生可能面对这样的答案了。

这成了百川在M3 Plus中试图解决的核心问题。

针对这一痛点，百川在M3 Plus中引入了证据锚定（Evidence Anchoring），将循证从理念变成模型必须遵守的结构性约束。

与传统“标明引用”的方式不同，证据锚定并不是要求模型多列几篇文献，它反过来约束模型：如果一句医学结论找不到能与之精确对应的原始证据段落，这句话就不应该被说出来。

具体实现上，M3 Plus在生成答案时，不仅需要标注文献来源，还必须将每一句关键医学判断，逐条锚定到原始论文、指南或共识中的具体段落。

每一个结论，都需要能在原文中找到明确对应。

说得通俗易懂一点，使用M3 Plus的医生可以直接核查AI说的每一句话是否真的有原文支持，判断其是否真正支持当前结论。

引用内容丰富，包括但不限于药品说明书：

中英文文献：

以及专家共识等：

在训练层面，百川将“证据是否准确锚定”作为独立目标进行建模，通过Citation Reward Model，显式惩罚“张冠李戴”“内容冲突”等情况。

鞠强解释，没有证据锚定，大多数大模型就不能真正理解证据与结论之间的逻辑关系。

所谓的引用文献往往发生在生成之后，是对输出结果的补充，并不是推理过程的一部分。

模型只学会了怎么“像医生一样说有证据的话”，却没有学会如何“像医生一样查证”。

但模型有幻觉这件事目前还没有完美解法。百川团队也反复强调，在医学问题中，不确定性本身就是客观存在的事实。

真正重要的是让错误尽可能提前暴露，让使用者能够尽早识别风险。

百川M3 Plus之前，业内少有把“引用准确性”本身当成模型核心能力来重新定义的尝试。

M3 Plus用证据锚定技术，把“引用”这件事量化成了可审计的技术指标，并且提升了模型自己的引用准确率——从行业普遍约75%的水平提升至95%以上。

面向医疗服务，推出“海纳百川”免费计划

为了让这套“证据锚定”技术真正跑在医院的电脑和医生的手机里，百川一边M3 Plus的API降价70%之外，一边同步开启了 “海纳百川计划”。

该计划中，M3 Plus将以API形式永久免费开放，不限Token数量。

唯一要求是产品需在前台展示“Powered by 百川”，且不得对模型输出进行影响准确性的修改。

计划限定对象为服务医务工作者的机构，包括但不限于医疗信息化厂商、医疗教育机构、医学研究项目、垂直创业公司等。

目前，国内有上千家医院和数百亿投入的专项工程正在探索AI。“海纳百川计划”这种技术普惠战略，有助于避免行业在底层技术上重复造轮子，也让医生端和医疗软件厂商可以在真实场景中进行多轮反复验证、持续迭代。

王小川透露，百川智能不是没有算过“海纳百川计划”背后的这笔账。

如果全国500万医学工作者都来使用，百川一年预计投入成本约1亿元，“这是我们能接受的”。

因为账单背后有更昂贵的成本。在医疗领域，技术试错的代价往往最终由具体的生命来承担。

对在诊室外等号的普通人来说，很难感受到幻觉率从3%降到2.6%究竟意味着什么……但对于每一位身处一线、需要应对海量文献和复杂决策的医生与医学生来说，这0.4%的跨越就是更坚实的专业底气。

这种底气不应只停留在实验室的PPT里，应该去往最需要它的地方。

现在，每一位医生和医学生，都可以走进“百小应”去亲身体验 M3 Plus 带来的改变，看看一条结论如何被证据段落精准支撑。

M3 Plus随着免费开放给行业伙伴之后，这种证据锚定的专业能力，会在更多真实临床场景里被实际使用反复检验。

医疗AI的进步，最终会落到走廊里焦急等待的每一个普通人身上。