讯飞星火医疗大模型V3.7发布，MedBench 5.0以99.6分登顶，日调用量达171万次

趋势前瞻 × 医疗数据从业者 ｜ 影响分析 × 药企研发负责人 ｜ 产品发布

一份港交所自愿性公告，四组数字：MedBench 5.0综合得分99.6并登顶、端到端病历生成合理率85%、影像辅助诊断较垂类模型提升15%以上、日均调用量171万次。讯飞医疗科技10月22日宣布星火医疗大模型V3.7正式发布，同时强调本轮升级全面基于全国产算力训练完成。作为上市公司披露的业务进展，这四组数字的口径与可比性，值得逐项拆开看。

开场：V3.7交出的四组数字

• 是什么：讯飞星火医疗大模型V3.7，由讯飞医疗科技股份有限公司发布，公司称本轮升级全面基于全国产算力训练完成
• 关键参数：MedBench 5.0智能体评测综合得分99.6并登顶；端到端病历生成合理率85%；影像辅助诊断较国内外影像垂类模型提升15%以上；日均调用量171万次
• 给谁用：面向医生临床诊疗与居民健康管理两大场景，C端载体为讯飞晓医
• 披露形式：港交所自愿性公告，落款香港，2026年10月22日

公告由讯飞医疗科技自愿作出，目的是向股东及潜在投资者提供集团最新业务进展资料。公司称，V3.7实现了医学语义、医学影像与语音深度融合的多模态技术创新突破，推动医疗场景下的智能体能力全面跃升，标志着面向医生临床诊疗、居民健康管理两大场景的应用，实现从「医疗实用门槛」走向「深度融入医疗全链条」的跨越。

这里有个技术背景值得单独标注：全国产算力训练。对医院与监管方，这一条的分量不比榜单排名低——它决定了部署路径能否走完全程国产化，也决定了供应链风险的可控程度。对院内私有化部署而言，训练与推理的算力来源往往比分数更早成为准入前置条件。

能力拆解：MedBench 99.6分与病历合理率85%

先看榜单这一项。99.6分出自上海人工智能实验室最新的MedBench智能体评测，公告的表述是「综合得分」登顶。要读这个数，得先分清三件事：评测的是通用医疗能力还是智能体（Agent）能力，评分是加权综合还是单一任务分，榜单上同场竞技的模型版本截止到什么时候。公告没有给出分项明细，也没有列出与次名之间的分差。对一个接近满分的数字而言，分差比分数本身更有信息量——99.6与99.2之间的差距，和99.6与95.0之间的差距，指向的是两种完全不同的竞争格局。

再看病历这一项。公告的说法是「深度融合医疗语音识别的端到端病历生成合理率提升至85%」。关键词有三个：端到端、语音识别融合、合理率。端到端意味着从问诊语音直接到结构化病历，中间不再切分模块；合理率是人工或规则判定的可用性比例，不是准确率，也不是临床符合率。85%的含义是：每100份生成的病历，大约15份还需要医生做实质性修改。从「实用」到「好用」，差的正是这15%。

影像这一项的表述是「辅助诊断能力相比国内外各影像垂类模型提升15%以上」，同时称自动化报告生成与深度质控能力达到业界领先水平。垂类模型指的是针对单一病种或单一模态训练的专用模型。通用大模型在影像上超过垂类模型，是这轮升级里技术含量最高的一条，但公告同样没有给出评测数据集、病种范围与对照模型清单。

横向对比这一条则更需谨慎：公告称V3.7在医疗知识问答、医疗语言理解、诊断治疗推荐、医疗文书生成、医疗多模态交互、医疗多轮交互等关键任务上，均显著超越GPT-6 Astra、DeepSeek V4.1 Flash和Qwen3.8-Max。这类跨模型对比通常由发布方自测，未见第三方复现，版本与提示条件也未披露。

C端的升级在公告里占了不小篇幅。讯飞晓医新增多医学报告综合解读、健康档案动态记忆管理、个性化健康风险洞察、综合健康管理方案生成、中医舌面体质辨识与养生计划推荐，方向是从单次咨询拓展到持续健康管理。健康档案动态记忆这一条，对数据从业者意味着长期的个人健康数据沉淀，随之而来的存储期限、授权范围与删除机制，是需要提前设计而不是事后补救的部分。

技术路线上，公告提到V3.7基于业界领先的数据飞轮与医疗自迭代循证推理技术，底座通用能力全面提升。数据飞轮的含义是真实使用数据回流反哺模型迭代——这条路径成立的前提，是回流数据在脱敏、授权与质量把关上经得起审计。

冷静观察：厂商自评榜单该怎么读

先把性质说清楚。自愿性公告不是临床证据，也不是第三方评测报告，它的定位是向股东及潜在投资者通报业务进展。披露主体方面，公司董事会成员包括执行董事陶晓东博士，非执行董事刘庆峰博士、赵志伟先生及段大为先生，独立非执行董事汪扬教授、赵惠芳教授及谈庆先生——这些是判断信息来源时应记录的基本背景。

从数据链路看，四组数字里有三组属于厂商自评口径：MedBench分数、影像辅助诊断的15%提升、跨模型对比结论，都依赖发布方自行组织的评测。只有日均调用量171万次是运营侧数据，它证明的是使用规模，不直接证明效果好坏。读这类公告的方法很简单：把「跑分」与「落地」分开记账，跑分看口径，落地看留存与复购。

从合规角度，有三条值得放进内部审阅清单。

• 评测分项与对照模型清单是否公开：99.6分对应的是哪套题、哪一批模型版本、与次名的分差是多少
• 85%合理率的判定标准由谁执行：是院内医生抽样盲评，还是厂商内部质控打分
• 跨模型对比是否可复现：与GPT-6 Astra、DeepSeek V4.1 Flash、Qwen3.8-Max的对比，在版本日期、提示模板与评分规则上是否一致

落到采购与产业含义上，我们的判断是：厂商自评榜单可以作为筛选的第一道门槛，但不该构成决策依据。真正能写进验收条款的，是本院数据上的分层表现——按科室、按病种、按病历类型拆开看，而不是一个综合分。对数据资产的启示更直接：当所有头部厂商的通用能力都在逼近满分，差距会向数据侧转移，谁能把院内真实数据合法、合规、可持续地转成训练与评测资产，谁的迭代速度才真的不一样。

原文链接：讯飞医疗科技（港交所公告）

千方医数集编辑部 出品