百川智能是什么？Baichuan-M4、百小医、医疗 API 与证据边界

直接答案：百川智能是一家 2023 年成立的大模型公司，当前公开重点已经从早期通用模型扩展到医疗模型与健康助手。普通用户面对的是“百小医”，开发者和机构可查看医疗模型 API，研究者则会看到 Baichuan-M4、M3、M2、M1 等论文或模型资料；2023 年的 Baichuan 2 开源权重属于另一条历史产品线。它们不能混称为同一个产品，更不能因为论文或榜单分数较高，就直接推断可以替代医生、自动诊断或在医院无验证上线。

医疗提示：本文用于产品识别、证据解读和采购前核对，不提供个人诊断、处方或治疗建议。资料复核日期为 2026 年 7 月 19 日。模型版本、开放范围、价格、服务条款、隐私政策和监管状态会变化，使用前应重新查阅官方页面；出现呼吸困难、意识异常、持续胸痛、大出血等急症信号时，不应等待 AI 回复。

先纠正旧稿：公司宣传、融资新闻和临床证据不是一回事

本页旧稿标题把百川智能称为“医疗大模型领军者”，正文还写入融资金额、投资机构、估值、医院合作、客户数量、医疗准确率和商业前景，却没有给出能够逐项核验的公告、合同、研究方案、监管记录或独立数据。旧稿还把创始人的教育经历写成医疗技术护城河，把产品路线写成确定的投资价值。这些内容既不能帮助用户选择产品，也容易把公司叙事误当成临床证据，因此本次重写全部撤回。

百川智能现在有哪些与医疗相关的入口

根据百川智能官网，公司于 2023 年 3 月 24 日成立，创始人为王小川。官网当前显著展示百小医、医疗模型和“海纳百川”计划，并保留通用大模型相关入口。对用户最重要的不是背下全部型号，而是确认自己正在使用哪一种交付形态。

产品名相近还会造成另一个误区：官网研究页出现 M4，不代表平台所有账号已经提供同名 API；价格页出现 M3 Plus，也不代表任何行业和用途都能直接申请。选型时应分别打开当前 API 文档、价格页和申请条件，并记录查看日期、模型标识、上下文限制、搜索计费、速率限制和数据条款。

M4、M3、M2 和 Baichuan 2 的关系

Baichuan-M4 论文发表于 2026 年 6 月，作者把它描述为面向连续照护的医疗智能体系统：除了核心推理模型，还包含患者记忆、循证检索、工具使用、多智能体协调，以及文档 OCR、X 光和皮肤影像等多模态能力。论文报告了多个内部或公共评测结果，并在其幻觉评估中给出 3.3% 的数值；但论文也明确说明，输出供医生和机构参考，不替代持证医生的最终诊断与治疗决策。

Baichuan-M3 论文发表于 2026 年 2 月，重点是主动补问、长程临床推理与安全控制。M2、M1 是更早代际，官网和平台资料应被视为具体版本的当期说明。Baichuan 2 官方 GitHub 仓库则是 2023 年通用模型项目；开源权重可以支持本地研究，但不自带当前医疗模型的训练、检索、工具、服务保障或合规安排。

“HealthBench 第一”和“3.3% 幻觉率”应该怎样读

HealthBench 官方说明显示，这项基准包含 5,000 段模拟的多轮、多语言健康对话，以医生编写的细粒度规则评价模型最后一轮回答。它比只考医学选择题更接近健康问答，但仍是基准评测：样本由合成生成和人工对抗测试构成，评分主要由模型判定是否满足规则，不是在医院中观察真实患者结局。

因此，M4 或 M3 在 HealthBench、HealthBench Hard 或团队自建 ScanBench 上取得较高分，能够支持“在这些测试定义下表现较好”，不能直接支持“诊断准确率达到某值”“所有临床任务优于医生”或“可无人监管使用”。论文中的 3.3% 也必须与作者定义的幻觉数据集、评判器、提示、模型版本和统计方法绑定，不能作为所有回答有 96.7% 临床正确率的倒数。

医疗 AI 的公开报告可参考DECIDE-AI 早期临床评价指南：除了算法性能，还应说明使用者、环境、人机互动、工作流、错误和安全事件。若准备把任何大模型接入医院，请配合本站的医院 AI 从静默验证到上线监测清单和AI 医疗诊断临床验证指南使用。

个人用户：百小医适合做什么，不适合做什么

百小医的公开定位更接近健康信息与就医辅助。它可以帮助用户整理症状时间线、解释常见医学词汇、准备就诊问题、理解检查报告字段或提醒复诊事项。根据百川智能的用户协议，医疗相关输出仅供参考，不构成专业医疗服务、诊断、处方或治疗依据。这条边界比任何营销语更重要。

输入健康信息前应查看当期百小医隐私政策和账号设置，确认处理主体、收集字段、第三方共享、保存、删除和账号注销方式。尽量不输入身份证号、完整病历号、联系方式、可识别人脸、他人报告或与问题无关的病史；需要医生判断时，保留原始报告和完整上下文，不要只转述 AI 的摘要。

开发者：接入医疗 API 前先做五项确认

官网“海纳百川”计划对申请主体和用途有约束，公开页面强调面向服务医疗专业人士的机构、临床决策支持或医学教育等场景，并要求真实服务使用、展示来源标识等。具体条件可能调整，应以申请页面和合同为准。免费或优惠也不等于无限调用、永久价格或免除安全责任。

百川平台的安全与风险说明也要求开发者针对预期用途验证可靠性、准确性和稳健性，并进行监测与人工干预。开发阶段先使用合成数据或经过授权和去标识化的数据；任何真实病历接入都应经过组织的数据、法律、安全、伦理和临床责任流程。通用的函数调用权限控制可参考AI 安全威胁建模指南，涉及基层或县域协同时可参考基层医疗 AI 落地清单。

医院采购：不要购买“模型名”，要验收一个明确用途

医院不能把“使用 Baichuan-M4”作为完整项目定义。应写清谁在什么科室、对什么患者、读取哪些数据、生成什么输出、谁在多长时间内复核、错误如何升级、系统不可用时回到什么流程。世界卫生组织的医疗 AI 伦理与治理指南和大模型医疗治理指南都强调预期用途、利益相关方参与、透明、责任和发布后审计。

国家卫生健康委等部门的“人工智能+医疗卫生”实施意见给出了可探索场景，但政策鼓励不等于某个模型已经获得特定临床用途的批准。具体产品是否涉及医疗器械、互联网诊疗、病历、个人信息或数据安全要求，应按实际功能和数据流逐项判断。

隐私与条款：上传前要看“数据之后去哪”

健康与病历数据通常比普通聊天内容风险更高。个人信息保护法将医疗健康信息列为敏感个人信息，处理需要特定目的、充分必要性和严格保护。百川智能官网与平台分别提供用户协议和隐私政策；消费者产品、开发者平台与定制项目的条款可能不同，不能用一份页面替代合同审查。

如果系统会长期保存患者记忆，除了确认功能有用，还要明确记忆的来源、纠错、过期、合并、删除与访问权限。模型“记得更多”不一定更安全：错误病史、错配患者或过期用药同样可能被持续放大。

三个常见选择场景

只想理解自己的报告或准备就医

优先使用面向个人的产品入口，把任务限制为信息整理和问题准备；保留报告原文，不让 AI 决定诊断或用药。任何与医生意见冲突的内容，回到医生或药师确认。本站的AI 幻觉核验方法可用于拆分回答中的事实与推断。

要给健康应用增加问答功能

先确认 API 资格和用途，再做带严重度分级的本地评测。评测至少包含信息不足、急症、孕产妇、儿童、老年、多病共存、药物冲突、提示注入、无依据引用和接口失败。上线前建立人工升级和停用开关，不要把模型自由文本直接写入诊疗记录。

医院准备采购或试点

先选一个边界清楚且能人工复核的任务，例如病历缺项提示或出院随访问题整理；完成历史数据验证、静默运行和有限真实试点，再决定扩大范围。不要把发布会分数写成验收指标，也不要承诺固定的“效率提升百分比”。采购、试点和监测步骤详见医院 AI 落地完整清单。

怎样自己复核一条百川模型宣传

看到“第一”“超过某模型”“幻觉率最低”或“临床级”时，不必立刻接受或否定，可以把句子拆成可验证字段。先找最初出处，再找论文中的表格、脚注和限制；如果只有媒体转载，要继续追到公司页面、论文或数据仓库。日期同样重要：模型、对手、提示和评判器只要有一个变化，旧排名就可能失效。

例如，“M4 幻觉率 3.3%”至少要展开为：Baichuan-M4 作者团队在论文所述评测设置、数据和判定规则下报告 3.3%；该数值不等于诊断错误率，也没有自动覆盖百小医每次对话、所有 API 配置或医院真实病例。这样写会少一点戏剧性，却能让读者知道结论从哪里来、适用于哪里、还缺什么。

本地评测不要只复制公共榜单

公共基准适合做起点，本地评测则要围绕真实任务的失败后果设计。开发者和医院应先冻结模型、系统提示、检索源、工具权限和输出结构，然后用历史样本与合成边界样本测试；测试集要包含正常案例，也要包含信息缺失、相互矛盾、罕见情况、急症、否定表达、单位错误、患者错配和恶意指令。每个严重错误都需要保存输入、输出、引用、模型版本、人工结论和处置，而不是只汇总一个平均分。

如果样本量不足以证明某项高风险用途安全，正确结论不是降低门槛，而是把输出限制为信息整理、增加人工复核、缩小适用人群或暂不部署。真实运行后还要把人工修改、患者路径和安全事件加入监测，因为模型离线得分无法覆盖界面、提醒疲劳、人员培训和流程拥堵。

常见问题

Baichuan-M4 已经开放 API 了吗？

不能只凭 M4 论文或官网宣传推断所有开发者都能调用同名 API。本文复核时，平台价格与文档公开列出了若干 M3、M2 系列服务；M4 的具体开放对象、模型 ID、功能和价格应以账号控制台、最新文档或合同为准。

百小医可以替代医生吗？

不可以。官方用户协议把医疗输出限定为参考，不构成诊断、处方或治疗依据。它更适合帮助整理信息、理解术语和准备就医问题，急症、诊断和用药变更应由医疗专业人员处理。

HealthBench 分数高，能说明医疗水平更好吗？

它说明模型在 HealthBench 的样本与评分规则下表现较好。它不能单独证明在某医院、某疾病、某患者亚组或真实工作流中更安全有效，也不能替代监管核对、本地验证和持续监测。

3.3% 幻觉率是不是等于 96.7% 诊断准确率？

不是。幻觉率取决于测试集、定义、判定器、提示和模型版本，与诊断准确率、敏感度、特异度或患者结局不是同一个指标。引用该数字时必须保留论文方法和作者自评边界。

Baichuan 2 开源模型能否本地搭成医疗系统？

可以用于研究或原型，但开放权重不自动带来医疗训练数据、循证检索、患者记忆治理、临床验证、监管资格或运维保障。若用于真实医疗，应从预期用途、数据、评测、人机流程和责任重新建立完整证据链。

免费医疗 API 是否值得优先采用？

价格只是一个维度。还要比较用途限制、版本稳定性、搜索与知识库费用、数据条款、错误类型、人工负担、监测、迁移和退出成本。免费不能抵消患者安全、隐私和供应商锁定风险。

一页核对清单

延伸阅读：医院项目请看医院 AI 场景选择与上线门禁；基层机构请看县域医共体与基层医疗 AI 清单；诊断类产品请看临床验证与错误分层；通用风险请看AI 威胁模型与权限控制；本站来源、更新与纠错原则见关于兰塞 AI 与编辑规范。

编辑复核与纠错记录：本文由兰塞 AI 编辑流程于 2026 年 7 月 19 日重写。旧稿中无法核验的融资、估值、投资机构、医院合作、客户规模、准确率、创始人护城河和投资价值叙述已撤回；新版依据百川智能官网、平台文档、用户与安全条款、M4/M3 作者论文、HealthBench 官方资料、WHO 治理指南和临床实施报告规范，改为产品地图、证据阶梯、个人使用、API 接入与医院采购核对指南。后续若产品开放范围、条款或论文版本变化，本站将按可核验来源更新并保留纠错说明。