考过主任医师的大模型，能成为医疗信任的第一道防线吗？_风闻

作者：高见

搜索引擎回答不了的健康问题，AI模型正在尝试接住。

当孩子发烧到40度、当检验报告出现异常数值、当短视频里充斥模糊吓人的“健康建议”时，大多数人能最先找到的不是医生，而是搜索框。问题是，搜索不能判断风险轻重，也不会安抚情绪。它只会给出拼贴式的碎片答案，越看越焦虑。

现在，一套通过主任医师考试的健康大模型，正在试图重建这个“第一道判断口”。它不提供诊断，但能给出路径清晰的解释；它不替代医生，但能在医生出现之前，把问题拆解得更有秩序。这不一定是AI能做的最好事情，却可能是当下最值得被解决的问题之一。

01·一个模型考上了主任，医疗AI的分岔口也出现了

7月23日，国内医疗AI领域出现了一组异常醒目的考试成绩。由夸克团队开发的健康大模型，在国家高级职称能力评测中，完成了全部12门主任医师考试的模拟测试，全部通过，并在多个关键学科中稳定达到主任医师的专业能力水平。

与此同时，另一些通用大模型也参与了同一套职称考试的模拟测试。从初级到高级，答题准确率的变化呈现出明显的分层趋势。尤其在进入中高难度考试阶段之后，模型之间的能力差异被逐步放大：夸克健康模型在应对更复杂的推理任务时依然保持相对稳定，而多数通用模型则在题目从“知识识别”转向“临床思维”的节点上出现了不同程度的衰减。

真正的分水岭出现在主任级考试阶段。该考试被视为医生职业路径中最具挑战的一环，题目覆盖1800多种疾病和2000多个症状，涉及真实病例推理、多选题与高不确定性判断，整体更贴近实际临床决策环境。在这一阶段，通用模型的正确率普遍出现显著下滑，而夸克健康大模型依旧交出了相对高位的答题成绩，并展现出更好的推理路径稳定性与理解深度。

这组考试数据所揭示的，不只是一次成绩对比，更是模型路径分化的一次集中体现：按照通用大模型的发展路径，随着训练数据规模、参数量与涌现能力的提升，模型在泛知识问答和开放任务上的表现通常会均衡提升。但这组“医疗分层考试”的成绩显示，通用模型在面向高风险、高专业场景时，其推理能力出现了明显的“爬坡失速”现象。从主治到主任的那一关，绝大多数模型都没能“过线”，准确率大幅下滑，且稳定性不足。

反之，夸克健康大模型不仅成功“翻过坡”，还表现出准确率下降幅度最小、答题水准更具持续性的特点。这表明，其所采用的训练思路，显然与主流通用模型存在结构性的差异。

目前，这套模型已在夸克开放，用户可直接在移动端或PC端主搜索栏输入健康问题、拍照上传检验单，系统将自动调用大模型作答。它的表现如何，不是厂商说了算，而是可以由每一个具体提问者亲自验证。

但也正因如此，这场考试的意义可能不止于模型得分本身，而在于它提供了一种判断路径的机会：谁能更稳地应对专业难题？AI是否可以被严肃医疗场景真正采信？垂类模型的“重构路线”是否更适合高风险任务？

夸克健康模型的表现，至少在这一次考试中，给出了一个截然不同的答案。

02·夸克健康大模型是怎么“考上”的？

成绩之外，更值得讨论的是“路径”。

相比大多数通用模型走的是“先做大，再微调”的泛化路线，夸克健康大模型从一开始就把医疗推理能力作为核心目标，构建了完整的“慢思考训练体系”。其思路并不复杂：模型不仅要会答题，更要学会“如何思考并给出答案”。

这背后的核心，是夸克提出的一套推理导向的模型训练范式——将“思考链条”作为显式训练目标，采用逐步推理机制（Chain-of-Thought，CoT），并在冷启动后持续引入强化学习系统，通过策略模型、验证器与奖励模型的多轮校验，提升推理路径的可控性、可解释性与稳定性。

与通用模型训练思路最大的不同在于：夸克并不追求模型一次性给出答案，而是要求模型能“边想边做”。具体而言，它要求模型在面对一道复杂的医疗题时，不是直接生成结果，而是按“问题 → 思路 → 回顾验证 → 输出结论”的过程逐步拆解。这套机制不仅提升了解题路径的透明度，也在高风险任务中降低了模型输出逻辑错误的概率。

更关键的是，夸克围绕这套推理机制，自建了一条完整的数据生产线。这条产线基于三元组结构构建（问题、思考过程、最终答案），所有训练样本必须具备完整的推理链条结构。尤其在问题设计上，夸克团队强调“结构化提问”：即问题不仅是自然语言，而是嵌入健康语境、提示词和临床背景的数据体，这种处理让模型在推理中更贴近真实医生的思维习惯。

为了支撑这套体系，夸克引入了慢思考数据的核心概念，即所有用于训练的数据必须具备完整的诊疗链条逻辑。其底层结构来自超过220万日活的夸克搜索日志、亿级医学知识图谱、ICD编码库与2000多种结构化疾病路径。在冷启动阶段，这些数据由专业医师进行高标准标注，辅以验证器逐题筛查，避免“早期污染”。

强化学习阶段则进入策略模型驱动阶段，重点不在“是否答对”，而是“答题过程是否合理”。模型每次输出后，由验证器对思维路径与答案之间的一致性进行二次确认，只有符合路径规范的结果才被收录作为“正向样本”。策略模型在训练中不追求“最优解”，而是学习“怎样形成最优解的过程”。

从训练逻辑看，这是一种高度工程化的迭代系统：数据产出模型、模型再反向优化数据，最终形成推理能力与知识表达的共生闭环。夸克将其称为“慢思考强化学习系统”，其最大特点并不是快，而是“收敛”。在大模型越来越强调速度、成本、token吞吐量的当下，这种训练策略显得反常，但确实更贴近医疗行业对“低风险、高稳定”的本质诉求。

而这也解释了为何在主任医师考试中，通用模型的准确率集体下滑，而夸克健康大模型却能保持稳定输出。这并非偶然，更像是训练体系与任务结构“同构”所带来的结果。

在医疗这种高度结构化、注重因果逻辑的场景中，模型参数规模并不必然带来能力优势。反而是推理链的合理性、输出路径的透明度，决定了一个AI是否能在医生真正使用的场景中被采信。

这或许是夸克健康模型最重要的区别——不是更大、更强，而是“更像医生在思考”。

03·AI不是医生的替代者，而是健康秩序的修复者

即便通过了主任医师考试，夸克健康大模型也不等于获得了“上岗执业”的权利。它的意义不在于AI能否取代医生，而在于——在医生之外，我们终于可能有了一个不制造焦虑、不传递谣言、具备系统判断能力的信息中介。

过去几年，“AI能不能替代医生”反复成为公众与技术圈的设问，但这个问题本身就预设了一个过于理想化的愿景。医学并非纯知识体系，更是责任、伦理、场景、情绪与动态判断的协作网络。AI能在其中扮演什么角色，关键从来不在于能力上限，而在于它能否成为可信任的一部分。

现实是，AI暂时替代不了医生，但许多时候，患者连医生都找不到。

在今天的就医环境中，挂号难、问诊时间短已是常态，非急性病、非器质性问题往往难以获得足够关注。与此同时，线上健康科普内容质量参差不齐，“搜索即恐慌”“短视频即确诊”的现象并不罕见。真正想要获取一个“专业、准确、不过度吓人”的解释，反倒成了一种稀缺资源。

这恰恰是AI可能发挥作用的切口：在患者焦虑与专业资源之间，提供一个中性、稳定、结构化的判断缓冲区。

夸克健康大模型所选择的，不是“诊断”定位，而是科普级判断系统。它不取代医生，也不抢答，而是试图构建一套能够自洽、可追踪、不制造恐慌的信息表达机制。在面对“孩子发烧40度怎么办”或“检验报告有异常”这类典型焦虑型问题时，它优先识别用户情绪，先进行安慰，再引导风险分级判断，最后提供症状缓解建议或就医路径。不是给答案，而是组织信息、控制情绪、辅助判断。

从设计逻辑到交互路径，夸克并未试图“越界”。例如，在模型输出中，若系统判断缺乏足够证据，它会优先给出“生理性可能”或“轻症可能”，并明确提示“非确诊建议，仅供参考”，在最大程度上避免误导用户情绪与行为。这种策略并不激进，反而体现了一种工程逻辑下的自我约束：当AI无法承担责任时，至少不制造风险。

在模型支撑层面，这种“谨慎输出”的前提，是其基于权威医学知识库构建出的高覆盖率推理结构：6万册教材、5000万中英文文献、200余万试题、800万术语图谱，再加上千万级三甲病历。它不是“模仿医生话术”，而是依靠大量结构化知识，重建“判断流程”。

这种流程化表达，也构成了对“网红医生”、健康谣言、算法恐慌内容的某种“技术性反制”。它无法直接终结这些现象，但至少，它提供了一个更冷静、更可靠的替代选择——当人们在搜索栏里输入“癌胚抗原升高是不是癌”，终于可以得到一个不直接告诉你最坏可能，而是告诉你“为什么不用过度恐慌”的答案。

所以，夸克健康大模型的意义不在于“它能考过医生”，而在于它提出了一种可能的方案：在医生系统之外，建立一个有结构、有约束、有节奏的健康信息回应系统。它不是医疗的终点，但可能是科普混乱时代的秩序起点。

这类AI模型无法重构整个医疗系统，但它可以缓解医生端的初筛压力，替代一部分本应由搜索引擎、短视频、社交平台临时扮演的“临床前判断接口”角色。而这个角色，在数据混乱、医疗焦虑、信息失控的今天，恰恰是最值得修复的缺口之一。