一家县医院的医生把疑难病例输入对话框，等待回复。返回的答案带着推理链条和引用来源，读起来不像搜索引擎，更像一位资深同事在讲解。这正是百川智能为其最新开源医疗大模型所描绘的场景。
关键要点
- 百川智能于2025年1月24日发布全场景深度思考模型Baichuan-M1-preview，同时开源Baichuan-M1-14B。
- M1-14B是一个140亿参数的模型，官方将其定义为开源的医疗增强通用大模型。
- 据百川介绍，M1-14B在医学知识与临床评测（cmexam、ClinicalBench、erke）上的成绩超过参数量大得多的Qwen2.5-72B-Instruct，并接近OpenAI的o1-mini。
- 模型内置医学循证模式，可从证据检索一路走到深度推理，形成完整闭环。
- 权重已在GitHub与Hugging Face的baichuan-inc组织下公开，提供Base与指令微调两个版本。
- 真正值得关注的是效率：一个140亿参数的模型做出720亿级别模型的医疗能力，降低了医院与科研机构的硬件门槛。
百川到底发布了什么
在1月24日的同一场发布中，百川一次性拿出两款模型。旗舰Baichuan-M1-preview是一个全场景深度思考系统，官方称其具备语言、视觉与搜索三大推理能力，并已接入百川的百小应助手。更值得外界关注的是Baichuan-M1-14B，这是一款更小、可自由授权使用的开源版本，被定位为业界首个开源的医疗增强通用大模型。
两者的区别很关键。preview是闭源旗舰，而M1-14B是外界可以下载、微调并在私有环境部署的部分，正因如此，它对无法把患者数据交给云端接口的医院、高校与独立研究者更有意义。
为什么140亿参数的医疗模型很重要
大模型（大模型）通常按参数量论高下，医疗人工智能也长期依赖能租得起的最大系统。百川的赌注相反：一个聚焦医疗、用专业论文与真实病例数据精心训练的140亿参数模型，可以在临床真正会遇到的任务上追平甚至超过数倍于己的模型。
公司自己的评测表是看点的核心。在cmexam与ClinicalBench这类医学知识与临床推理测试中，百川称M1-14B的分数高于参数量约五倍的Qwen2.5-72B-Instruct，在erke儿科基准上也报告了类似优势。对比OpenAI的o1-mini，百川称差距很小。这些是百川在自家选定的测试上跑出的数字，应视为定位而非中立结论，但方向清晰，值得研究圈细看。
除了榜单，还有实际好处。140亿参数模型可以装进单张普通显卡，在医院内网运行而无需把数据送出机构。对负担不起算力集群的单位来说，这道硬件天花板可能比几分榜单差距更关键。
医学循证模式
更耐用的特性或许在于工作方式而非排名。M1-14B内置医学循证模式，官方称其会先从庞大的循证知识库检索，再对检索结果进行推理，而不是仅凭记忆生成答案。
实践中，临床医生可以提出一个杂乱的多部分问题，得到结构化路径：检索相关指南与论文、铺开推理过程、最后给出带保留意见的结论。百川将其描述为从证据检索到深度推理的单条流水线。被检索的证据是否最新、权重是否正确，正是医院在让其靠近患者之前必须验证的事。
诚实的局限
M1-14B是研究型辅助模型，并非认证医疗器械，百川的发布内容也不暗示它应独立做出临床决策。与Qwen2.5-72B及o1-mini的基准对比由百川自行跑出，未经独立评测方复核，因此小模型胜大模型的表述应作为主张而非事实看待。在可核对的资料中，百川尚未公布医学循证检索的完整方法，也没有第三方针对临床场景幻觉率的安全评估。该模型也继承了开源医疗大模型的普遍短板：可能自信地写出错误剂量或指南，而知识库只与其最后一次更新一样新。
普通人现在能做什么
- 下载并在本地压测。从Hugging Face或GitHub拉取Baichuan-M1-14B，用你所在专业的题目跑一遍，把它与已在使用的通用模型对比推理链条。
- 把每个医疗答案当作草稿而非结论。用循证模式的引用作为核验起点，切勿让模型输出替代医生判断或一手文献。
- 等待独立基准再相信72B说法。关注OpenCompass或高校团队公布的中立医学循证分数，这个外部数字才能证实或证伪头部对比。