考過主任醫師的大模型，能成為醫療信任的第一道防線嗎？_風聞

作者：高見

搜索引擎回答不了的健康問題，AI模型正在嘗試接住。

當孩子發燒到40度、當檢驗報告出現異常數值、當短視頻裏充斥模糊嚇人的“健康建議”時，大多數人能最先找到的不是醫生，而是搜索框。問題是，搜索不能判斷風險輕重，也不會安撫情緒。它只會給出拼貼式的碎片答案，越看越焦慮。

現在，一套通過主任醫師考試的健康大模型，正在試圖重建這個“第一道判斷口”。它不提供診斷，但能給出路徑清晰的解釋；它不替代醫生，但能在醫生出現之前，把問題拆解得更有秩序。這不一定是AI能做的最好事情，卻可能是當下最值得被解決的問題之一。

01·一個模型考上了主任，醫療AI的分岔口也出現了

7月23日，國內醫療AI領域出現了一組異常醒目的考試成績。由夸克團隊開發的健康大模型，在國家高級職稱能力評測中，完成了全部12門主任醫師考試的模擬測試，全部通過，並在多個關鍵學科中穩定達到主任醫師的專業能力水平。

與此同時，另一些通用大模型也參與了同一套職稱考試的模擬測試。從初級到高級，答題準確率的變化呈現出明顯的分層趨勢。尤其在進入中高難度考試階段之後，模型之間的能力差異被逐步放大：夸克健康模型在應對更復雜的推理任務時依然保持相對穩定，而多數通用模型則在題目從“知識識別”轉向“臨牀思維”的節點上出現了不同程度的衰減。

真正的分水嶺出現在主任級考試階段。該考試被視為醫生職業路徑中最具挑戰的一環，題目覆蓋1800多種疾病和2000多個症狀，涉及真實病例推理、多選題與高不確定性判斷，整體更貼近實際臨牀決策環境。在這一階段，通用模型的正確率普遍出現顯著下滑，而夸克健康大模型依舊交出了相對高位的答題成績，並展現出更好的推理路徑穩定性與理解深度。

這組考試數據所揭示的，不只是一次成績對比，更是模型路徑分化的一次集中體現：按照通用大模型的發展路徑，隨着訓練數據規模、參數量與湧現能力的提升，模型在泛知識問答和開放任務上的表現通常會均衡提升。但這組“醫療分層考試”的成績顯示，通用模型在面向高風險、高專業場景時，其推理能力出現了明顯的“爬坡失速”現象。從主治到主任的那一關，絕大多數模型都沒能“過線”，準確率大幅下滑，且穩定性不足。

反之，夸克健康大模型不僅成功“翻過坡”，還表現出準確率下降幅度最小、答題水準更具持續性的特點。這表明，其所採用的訓練思路，顯然與主流通用模型存在結構性的差異。

目前，這套模型已在夸克開放，用户可直接在移動端或PC端主搜索欄輸入健康問題、拍照上傳檢驗單，系統將自動調用大模型作答。它的表現如何，不是廠商説了算，而是可以由每一個具體提問者親自驗證。

但也正因如此，這場考試的意義可能不止於模型得分本身，而在於它提供了一種判斷路徑的機會：誰能更穩地應對專業難題？AI是否可以被嚴肅醫療場景真正採信？垂類模型的“重構路線”是否更適合高風險任務？

夸克健康模型的表現，至少在這一次考試中，給出了一個截然不同的答案。

02·夸克健康大模型是怎麼“考上”的？

成績之外，更值得討論的是“路徑”。

相比大多數通用模型走的是“先做大，再微調”的泛化路線，夸克健康大模型從一開始就把醫療推理能力作為核心目標，構建了完整的“慢思考訓練體系”。其思路並不複雜：模型不僅要會答題，更要學會“如何思考並給出答案”。

這背後的核心，是夸克提出的一套推理導向的模型訓練範式——將“思考鏈條”作為顯式訓練目標，採用逐步推理機制（Chain-of-Thought，CoT），並在冷啓動後持續引入強化學習系統，通過策略模型、驗證器與獎勵模型的多輪校驗，提升推理路徑的可控性、可解釋性與穩定性。

與通用模型訓練思路最大的不同在於：夸克並不追求模型一次性給出答案，而是要求模型能“邊想邊做”。具體而言，它要求模型在面對一道複雜的醫療題時，不是直接生成結果，而是按“問題 → 思路 → 回顧驗證 → 輸出結論”的過程逐步拆解。這套機制不僅提升瞭解題路徑的透明度，也在高風險任務中降低了模型輸出邏輯錯誤的概率。

更關鍵的是，夸克圍繞這套推理機制，自建了一條完整的數據生產線。這條產線基於三元組結構構建（問題、思考過程、最終答案），所有訓練樣本必須具備完整的推理鏈條結構。尤其在問題設計上，夸克團隊強調“結構化提問”：即問題不僅是自然語言，而是嵌入健康語境、提示詞和臨牀背景的數據體，這種處理讓模型在推理中更貼近真實醫生的思維習慣。

為了支撐這套體系，夸克引入了慢思考數據的核心概念，即所有用於訓練的數據必須具備完整的診療鏈條邏輯。其底層結構來自超過220萬日活的夸克搜索日誌、億級醫學知識圖譜、ICD編碼庫與2000多種結構化疾病路徑。在冷啓動階段，這些數據由專業醫師進行高標準標註，輔以驗證器逐題篩查，避免“早期污染”。

強化學習階段則進入策略模型驅動階段，重點不在“是否答對”，而是“答題過程是否合理”。模型每次輸出後，由驗證器對思維路徑與答案之間的一致性進行二次確認，只有符合路徑規範的結果才被收錄作為“正向樣本”。策略模型在訓練中不追求“最優解”，而是學習“怎樣形成最優解的過程”。

從訓練邏輯看，這是一種高度工程化的迭代系統：數據產出模型、模型再反向優化數據，最終形成推理能力與知識表達的共生閉環。夸克將其稱為“慢思考強化學習系統”，其最大特點並不是快，而是“收斂”。在大模型越來越強調速度、成本、token吞吐量的當下，這種訓練策略顯得反常，但確實更貼近醫療行業對“低風險、高穩定”的本質訴求。

而這也解釋了為何在主任醫師考試中，通用模型的準確率集體下滑，而夸克健康大模型卻能保持穩定輸出。這並非偶然，更像是訓練體系與任務結構“同構”所帶來的結果。

在醫療這種高度結構化、注重因果邏輯的場景中，模型參數規模並不必然帶來能力優勢。反而是推理鏈的合理性、輸出路徑的透明度，決定了一個AI是否能在醫生真正使用的場景中被採信。

這或許是夸克健康模型最重要的區別——不是更大、更強，而是“更像醫生在思考”。

03·AI不是醫生的替代者，而是健康秩序的修復者

即便通過了主任醫師考試，夸克健康大模型也不等於獲得了“上崗執業”的權利。它的意義不在於AI能否取代醫生，而在於——在醫生之外，我們終於可能有了一個不製造焦慮、不傳遞謠言、具備系統判斷能力的信息中介。

過去幾年，“AI能不能替代醫生”反覆成為公眾與技術圈的設問，但這個問題本身就預設了一個過於理想化的願景。醫學並非純知識體系，更是責任、倫理、場景、情緒與動態判斷的協作網絡。AI能在其中扮演什麼角色，關鍵從來不在於能力上限，而在於它能否成為可信任的一部分。

現實是，AI暫時替代不了醫生，但許多時候，患者連醫生都找不到。

在今天的就醫環境中，掛號難、問診時間短已是常態，非急性病、非器質性問題往往難以獲得足夠關注。與此同時，線上健康科普內容質量參差不齊，“搜索即恐慌”“短視頻即確診”的現象並不罕見。真正想要獲取一個“專業、準確、不過度嚇人”的解釋，反倒成了一種稀缺資源。

這恰恰是AI可能發揮作用的切口：在患者焦慮與專業資源之間，提供一箇中性、穩定、結構化的判斷緩衝區。

夸克健康大模型所選擇的，不是“診斷”定位，而是科普級判斷系統。它不取代醫生，也不搶答，而是試圖構建一套能夠自洽、可追蹤、不製造恐慌的信息表達機制。在面對“孩子發燒40度怎麼辦”或“檢驗報告有異常”這類典型焦慮型問題時，它優先識別用户情緒，先進行安慰，再引導風險分級判斷，最後提供症狀緩解建議或就醫路徑。不是給答案，而是組織信息、控制情緒、輔助判斷。

從設計邏輯到交互路徑，夸克並未試圖“越界”。例如，在模型輸出中，若系統判斷缺乏足夠證據，它會優先給出“生理性可能”或“輕症可能”，並明確提示“非確診建議，僅供參考”，在最大程度上避免誤導用户情緒與行為。這種策略並不激進，反而體現了一種工程邏輯下的自我約束：當AI無法承擔責任時，至少不製造風險。

在模型支撐層面，這種“謹慎輸出”的前提，是其基於權威醫學知識庫構建出的高覆蓋率推理結構：6萬冊教材、5000萬中英文文獻、200餘萬試題、800萬術語圖譜，再加上千萬級三甲病歷。它不是“模仿醫生話術”，而是依靠大量結構化知識，重建“判斷流程”。

這種流程化表達，也構成了對“網紅醫生”、健康謠言、算法恐慌內容的某種“技術性反制”。它無法直接終結這些現象，但至少，它提供了一個更冷靜、更可靠的替代選擇——當人們在搜索欄裏輸入“癌胚抗原升高是不是癌”，終於可以得到一個不直接告訴你最壞可能，而是告訴你“為什麼不用過度恐慌”的答案。

所以，夸克健康大模型的意義不在於“它能考過醫生”，而在於它提出了一種可能的方案：在醫生系統之外，建立一個有結構、有約束、有節奏的健康信息回應系統。它不是醫療的終點，但可能是科普混亂時代的秩序起點。

這類AI模型無法重構整個醫療系統，但它可以緩解醫生端的初篩壓力，替代一部分本應由搜索引擎、短視頻、社交平台臨時扮演的“臨牀前判斷接口”角色。而這個角色，在數據混亂、醫療焦慮、信息失控的今天，恰恰是最值得修復的缺口之一。