北京
医疗诊所每天被海量患者消息淹没——邮件、表单、在线聊天、短信、语音留言转录，每个渠道的消息都需要被路由到预约、账单、临床或前台。这是一个高并发、确定性、对延迟极度敏感的任务。
2026年的直觉解法是调用前沿大模型API。Claude Haiku 4.5能给出95%的分类准确率，GPT-4o也行。但每次调用都要花钱，增加约1秒网络往返，还要把患者文本发给没有签署BAA（商业伙伴协议）的第三方。
我造了一个替代方案——184M参数的DeBERTa-v3-base微调模型，在1154条测试样本上与Claude Haiku 4.5、Claude Sonnet 4.6和GPT-4o对打。结果：准确率与最强前沿模型差距在4个百分点以内，CPU上运行速度快22倍，推理边际成本几乎为零。总构建成本不到3美元。
模型已开源：Hugging Face搜索raihan-js/clarioscope-intent-deberta-v1。
这是ClarioScope SLM套件三个模型中的第一个——面向医疗接诊的智能流水线。另外两个是PHI检测器和保险信息提取器，仍在开发中。本文聚焦第一个模型的方法论与基准测试。
任务定义
七个意图标签，专为医疗诊所生产环境的路由设计：
这些类别带有主观判断，边界确实存在模糊地带。新患者预约首诊，同时属于"新患者"和"预约请求"；愤怒患者描述医疗问题，同时触发"临床"和"投诉"。数据生成提示词中编码了明确的消歧规则（投诉信号并存时投诉优先；预付费定价问题即使提到保险也算"价格询价"），但边界案例正是所有模型——无论微调还是前沿模型——丢F1分的地方。
为什么不用API
三个硬约束：
延迟。从我的孟加拉国ISP调用前沿API，往返1000-1600毫秒。对路由场景而言，这是"收件箱即时更新"与"明显卡顿"的区别。微调模型CPU推理48毫秒。若上GPU还能再快5-10倍。而托管API的物理下限就是数百毫秒，模型还没开始处理就已经存在。
成本。Claude Sonnet 4.6在该任务上每1000次推理0.76美元，Haiku 0.25美元，GPT-4o 0.53美元。单诊所日均1万条入站消息（多点位牙科或皮肤科集团并不罕见），年成本912至2774美元——这是SaaS经济模型中一道硬杠杠。微调模型一次性训练成本，推理边际成本约等于零。
隐私。前沿API很好，但也是第三方数据通路。涉及受保护健康信息需要BAA，并非所有API提供商都提供。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
