OpenEvidence发布医疗AI模型家族Darwin，号称首个MedQA满分模型

OpenEvidence一口气发四款医疗模型，Darwin凭什么号称“最强”

9月3日，医疗AI搜索平台OpenEvidence发布由四款模型组成的医疗AI模型家族，面向认证临床医生免费开放。这不是一次普通的模型升级，而是把“医疗AI搜索”从单一默认模型，拆成了一个可按深度与速度选择的模型矩阵：Osler、Sackett、Snow三款生产模型即日起可用，研究预览中的Darwin则号称当前最强的医疗AI模型。

产品卡片：四款模型一张表看懂

模型	定位	响应节奏	开放方式
Osler	最快的默认模型	约5秒/答	全量免费
Sackett	更深度的循证搜索	约30秒/答	全量免费
Snow	最深的全调研	约5分钟/答	全量免费
Darwin	最强（研究预览）	研究预览	仅申请开放

四款模型均面向已认证的临床医生，区别在于“想多久、搜多深”。命名也颇具匠心：Osler取自把医学教学从讲堂带到床旁的临床巨擘，Sackett是循证医学之父，Snow是1854年用一份地图锁定霍乱水源的流行病学先驱——暗示模型家族的价值观：临床、循证、证据溯源。

能力拆解：快、深、全搜与研究中预览

Osler是此前驱动OpenEvidence答案的模型继任者，成为平台默认，主打“快”；Sackett面向那些“要看法庭上证据分量”的问题，单答约30秒；Snow是Deep Consult功能的继任者，会跑完一整轮文献调研再出报告，单答约5分钟。三者差异不在准确率，而在思考时长与搜索深度——用户按场景自选。Darwin不公开发布，按申请开放，原因是双用途风险：一个能在病毒学、免疫学、人类遗传学前沿推理的模型，若落入不当之手，可能加速受严格管控的研究。

基准成绩：MedQA满分意味着什么

OpenEvidence称Darwin是首个在MedQA基准上取得满分的AI模型，并在其他榜单领先其点名的Claude Fable 5与Gemini 3.7：MedXpertQA 72.8%、HealthBench Professional 82.7%、NOHARM 87.2%。其评测方法也较严谨——MedQA从1273题测试集中经医师复标注、剔除信息缺失与标注错误后，得到660题终评集，Darwin无一答错；HealthBench Pro用Anthropic发布的LLM-as-judge配置、Claude Opus 4.8评分；NOHARM用官方开源包在30例开放子集上评分。Darwin的能力将在与机构伙伴验证安全护栏后，回流进Osler、Sackett、Snow。

商业化与竞争：免费策略下的护城河

三款生产模型对认证医生无限免费使用，既是临床渗透策略，也是对竞品的防守：医疗AI的答案质量高度依赖证据溯源与实时更新，免费先把医生的工作流占住，再用研究预览Darwin维持“最强”心智。面向专科的模型（从肿瘤、放射、临床遗传起步）已在路线图中。对医疗大模型赛道而言，OpenEvidence把“模型家族+按深度分级+免费临床入口”做成了一种可复制的产品范式——竞争不再只是榜单分数，而是谁先成为医生每天打开的那一个。

---

千方医数集编辑部 出品