收藏！小白程序员快速入门：看懂医疗大模型如何拿下评测榜首

数坤科技的数坤坤多模态医学大模型V3在最新MedBench评测中夺得第一。该模型凭借PB级医疗数据和MDT式训练策略，在影像信息、文本提取、跨模态推理及临床决策支持方面表现出色，超越国内外通用及垂直医疗模型。数坤科技深耕医疗领域8年，积累了丰富的真实医疗数据和经验，其模型模拟医生看病过程，具备接近专科医生的深度临床专家思维，为诊疗工作提供专业能力补充。

数坤科技成立于2017年，根据官方信息，数坤科技已陆续推出超100款数字医生产品组合，其产品已在超过5000家公立医院和超1000家体检机构日常高粘性使用，其中包括90%的Top 100医院和目标公立三甲医院。

数坤科技创始人兼董事长毛新生透露，该模型的性能提升得益于其训练数据与训练策略。数坤科技深耕医疗领域8年，已经积累了PB级医疗专业数据。在训练策略上，研究人员采用医学MDT（多学科会诊）式训练策略，让模型像人类专家会诊一样，对同一病种的影像特征、病理报告、临床指标进行深度关联学习。

1、两大细分指标拿下第一

更贴近临床医生水平

数坤科技2025年6月正式发布数坤坤多模态医学大模型V3，其参数规模为72B。根据数坤科技公众号，V3具备更接近人类临床专家的系统化、逻辑化诊疗思维链，能胜任如鉴别诊断、个体化治疗等复杂真实任务。

此次V3登顶的MedBench来头也不小。

MedBench由上海AI实验室发起，基于医学权威标准，评估大语言模型、多模态大模型及智能体在医疗领域的能力。2026年1月，上海AI实验室发布了MedBench 4.0，并称这是全国首个且唯一面向垂直模型、专业模型和应用场景的医疗大模型评测与验证体系。

该榜单考验的是模型能够在影像信息、文字描述之间完成稳定的跨模态关联，并顺利完成多项需要综合理解的医疗任务。

榜单中列出了医疗视觉感知与文本提取、跨模态语义理解与推理、临床决策支持与推理三大细分指标。

V3在医疗视觉感知中排名第一，该指标主要考验模型对医学影像、医疗文档的识别、定位与病灶检测能力，模型需要从X光、CT等医学影像中识别病灶，以及从病历、检查报告中提取关键医疗信息。

跨模态语义理解与推理考察的是模型对影像、文本等多模态信息的统一表征与关联推理能力，V3同样拿下了第一。

在临床决策支持与推理中，V3的表现仅次于微医医疗大模型。这一模块检验的是模型在掌握医学知识基础上，模拟临床医生进行诊疗决策的能力。

V3在MedBench拿下综合能力第一，从基础的感知理解，到深度的跨模态推理，再到最终的临床决策，三大能力在多模态大模型应用于医疗领域中环环相扣。

对于此次模型登顶，数坤科技CTO郑超称，大模型在评测榜单上的得分越高，越能说明其在医疗领域的应用能力更接近临床医生水平，但不能唯分数论。

2、PB级医疗数据、MDT式训练

要让模型学会医生真实看病过程

数坤科技在训练大模型时，其核心在于从设计、训练到评测，始终围绕真实医疗问题的形成逻辑展开，使不同模态的信息能够按临床路径被理解和使用。

真实医疗场景中，医学信息往往是连续的、多序列的，且存在不完整、不确定的情况，基于这一痛点，数坤科技在训练数据的积累、训练策略的选择上进行了优化。

首先在模型训练的数据上，数坤科技创始人兼董事长毛新生透露，数坤科技已经和全球上千家医院合作，积累了大量的医疗专业数据，其训练数据规模已经达到了PB级别。

其次在训练方式上，该公司采用的策略是“医学MDT（多学科会诊）式训练策略”。郑超称，简单来说就是让大模型模拟医生的看病过程。

医生在临床诊疗中，会综合分析多模态检查数据，例如查看CT时会结合不同层面的影像，分析核磁时则会参考DCE、DWI、T1WI等不同序列的图像，再结合患者的病史、主诉等临床信息，形成对病情的综合判断。大模型的训练过程，正是对这一真实诊疗逻辑的模拟，通过学习如何整合、解读各类医学影像序列与临床文本信息，逐步掌握类似医生的病情分析与决策思路。

郑超补充说，数坤科技的模型不是简单地把图像和文本拼在一起，而是让模型像人类专家会诊一样，对同一病种的影像特征、病理报告、临床指标进行深度关联学习。

他们直接以病种、检查路径和临床决策流程为主线，让不同模态的信息在模型中形成可协同使用的结构。这也对应着数坤科技要做“最懂医疗的AI”的目标，让模型能够按照医学问题本身的结构来组织和理解信息。

3、8年深耕医疗赛道

数坤已积累海量真实医疗数据

当下，AI医疗赛道的热度飙升，蚂蚁集团旗下AI健康助手蚂蚁阿福，去年12月成为中国首个跻身AI App前五的健康类AI，大模型独角兽百川智能连发多款医疗大模型，刷新行业SOTA。

V3此次登顶，得益于其在AI医疗领域的积累。

根据官方资料，数坤科技曾全球首创“数字人体技术平台，并且是国内唯一覆盖影像全模态的AI企业，其已经渗透到放射、超声、手术等领域。

不同于通用模型，医疗大模型想要长期稳定的应用在医疗领域难度颇高。

毛新生提到了两大技术难点，首先在训练中需要让大模型多方位了解某一疾病的相关医学数据；其次是尽量减少模型输出的幻觉。

这是因为，每一个疾病从预防、筛查、干预、诊断、治疗、康复的全生命周期会涉及到大量的医学专业知识，对大模型输出错误的容忍度极低，因此这对大模型企业提出了非常高的要求，需要医学和AI领域知识的双重积累。

因此，数坤科技的团队中有大量具备医学背景的研发人员，他们对肺结节的CT影像特征与病理报告的细胞形态描述对应有深入理解，并且能快速了解冠脉CTA的狭窄程度如何与患者的心电图变化关联。

深耕医疗领域8年的数坤科技，从计算机视觉到当下大模型的应用，已经在AI医疗领域积累了大量客户与实际落地案例。

计算机视觉在医疗领域的早期应用，主要围绕CT、核磁、超声等医学影像数据展开，而多项关键技术的首次落地，均由数坤科技率先推动。毛新生称，数坤科技不仅是业内首个将三维神经网络用于医学图像处理的企业，也是最早从心脏领域切入并实现技术突破的医疗AI公司。

进入大模型时代后，多模态医学大模型已具备接近专科医生的深度临床专家思维，能够为诊疗工作提供专业能力补充。目前，相关AI应用已覆盖院内门诊、住院全流程，并延伸至院外预问诊等多个关键场景。

4、结语：AI落地医疗赛道

真实诊疗场景才是试金石

对于医疗领域模型而言，榜单评测并不是终点，模型是否真正“懂医疗”，最终仍要接受真实诊疗流程的检验。

不过，此次V3模型以相对而言较小的参数超越了国内外通用大模型与垂直医疗模型，印证了医疗大模型的核心竞争力不再是单纯的参数规模与训练算力。数坤科技积累的海量真实医院落地经验，或能加速医疗大模型的应用。

最后

对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？

答案只有一个：人工智能（尤其是大模型方向）

当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；即便是非“人才计划”的普通应聘者，月基础工资也能稳定在4万元左右。

再看阿里、腾讯两大互联网大厂，非“人才计划”的AI相关岗位应聘者，月基础工资也约有3万元，远超其他行业同资历岗位的薪资水平，对于程序员、小白来说，无疑是绝佳的转型和提升赛道。


对于想入局大模型、抢占未来10年行业红利的程序员和小白来说，现在正是最好的学习时机：行业缺口大、大厂需求旺、薪资天花板高，只要找准学习方向，稳步提升技能，就能轻松摆脱“低薪困境”，抓住AI时代的职业机遇。

如果你还不知道从何开始，我自己整理一套全网最全最细的大模型零基础教程，我也是一路自学走过来的，很清楚小白前期学习的痛楚，你要是没有方向还没有好的资源，根本学不到东西！

下面是我整理的大模型学习资源，希望能帮到你。

👇👇扫码免费领取全部内容👇👇

最后

1、大模型学习路线

2、从0到进阶大模型学习视频教程

从入门到进阶这里都有，跟着老师学习事半功倍。

3、 入门必看大模型学习书籍&文档.pdf（书面上的技术书籍确实太多了，这些是我精选出来的，还有很多不在图里）

4、 AI大模型最新行业报告

2026最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5、面试试题/经验

【大厂 AI 岗位面经分享（107 道）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

6、大模型项目实战&配套源码

适用人群

四阶段学习规划（共90天，可落地执行）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型

• 带你了解全球大模型

• 使用国产大模型服务

• 搭建 OpenAI 代理

• 热身：基于阿里云 PAI 部署 Stable Diffusion

• 在本地计算机运行大模型

• 大模型的私有化部署

• 基于 vLLM 部署大模型

• 案例：如何优雅地在阿里云私有部署开源大模型

• 部署一套开源 LLM 项目

• 内容安全

• 互联网信息服务算法备案

• …

  👇👇扫码免费领取全部内容👇👇

  

3、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】