99.6 分登顶,验收单却不看分数:星火医疗 V3.7 把私有化门槛压到三条线

行业新闻 · 丁香 · 发布 2026-10-25 · 阅读 40

结论:变量不在分数,在算力栈

10 月 22 日,讯飞医疗(02506.HK)公告完成星火医疗大模型 V3.7 升级。公开材料里最容易被跳过的一句话是「全面完成基于全国产算力训练」——它比 MedBench 5.0 综合 99.6 分更能影响一家医院的采购决定,因为训练栈与推理栈同源,交付时不必在国产卡和海外卡之间做二次适配。99.6 这个分数,财中社(东方财富)与品玩两家独立报道口径一致,评测方为上海人工智能实验室,属于可交叉认证的硬数据。

分数与临床之间,差着一个可验收的口径

比 99.6 分更该写进标书的是「病历书写端到端生成合理率提升至 85%」。这条是厂商自报,但可以反推工作量:按平台日均 171 万次医生端 AI 辅助计,85% 的合理率意味着每天仍有约 25.65 万份输出要人工复核。换句话说,私有化项目真正买单的不是模型分数,而是这 25.65 万份/天的兜底人效与质控流程。把榜单分数直接当验收标准,等于用评测集替代了本院科室抽样。

171 万次/天折算成容量:均值约 19.8 QPS

同一批公开数据里的另外两个数字,是每天 171 万次医生端 AI 辅助与 52 万人次患者端服务,年化约 6.24 亿次与 1.9 亿人次。摊到全天是 19.8 QPS 的均值;早查房与门诊开诊时段按 3 倍峰值估算约 59.4 QPS。采购方最常犯的错是拿均值买卡:均值买卡、峰值排队,而医生只要在开诊前十分钟排队过一次,这套系统在科室里就再难被打开。所以压测条件必须写进合同,而不是验收当天临时商量。另需提醒,171 万次是全平台口径,单院不能直接拿它当自身负载,应按本院实际调用量重算卡数。

三条要写死的验收线

一,。V3.7 的卖点是医学语义、医学影像与语音共用同一底座;合同要写明三类模态由同一模型版本提供,否则就是三个供应商拼装,出问题无法归责。二,。85% 属厂商口径,验收应在本院真实病历上抽 500 份以上独立复测,并约定偏差容忍区间与整改期限。三,。既然训练在全国产算力上完成,就应要求交付清单列明推理卡型号、卡数与实测 QPS,把供应链确定性折算进价格,而不是留给上线后再说。

一句判断

医疗大模型的竞争已经从「谁的分数高」走到「谁能把分数翻译成科室愿意反复使用的次数」。99.6 分是入场券,85% 与 59.4 QPS 才是账单上的东西。这一轮升级对采购方的真实价值在于:国产算力栈第一次可以在一份合同里同时满足合规、供应链与容量三项要求——前提是你敢把验收条款写细。

资料来源:讯飞医疗科技(02506.HK)公告、财中社/东方财富、品玩、上海人工智能实验室 MedBench 5.0 公开评测;厂商自报数据已在文中标注。