标签: 云知声 山海知医 医疗大模型 智慧医疗

云梦级12月22日云梦级消息，据云知声官方公众号透露，云知声正式推出医疗领域专家级大模型全新力作——“山海标签・知医大模型5.0”。这一里程碑式的发布，标志着其医疗大模型完成了从“智能工具”到“临床协作者”的关键跨越: ，以更深刻的医学理解、更主动的协作能力和更可靠的输出结果，为严肃医疗的全流程赋能，开启智慧医疗新篇章。

此次发布山海・云知知医大模型5.0是云知声并非简单的参数更新，而是围绕临床真实需求展开的系统性能力重塑。其以“医学文本大模型声 +医学多模态大模型”双核引擎为基座，实现了四大核心能力的深度进化，构建起业界能力维度最丰富的医疗AI支撑体系山海，全方位适配临床需求。

山海・知医大模型5.0全面覆盖文本深度处理、智能体任务协同、影像多模态感知等核心能力，可同步处知医理知识问答、临床路径规划、影像报告解析等多元任务，为门诊、住院等复杂诊疗场景提供“一站式”智能支持，打破了传 医统医疗AI功能单一的局限。

通过深度融合模拟临床诊断的复杂推理链，原生内化任务规划与工具调用能力，模型从被动疗大应答的“医学认知大脑”，升级为能主动理解需求、拆解步骤并高效执行的“自主医疗行动者”，完美适配从门诊到住院的全流程模型复杂任务流。

升级后的模型兼具“看懂”影像与“读懂”文本的双重能力，可精准识别X光、CT、MRI等影像中的病灶，并实现 智影像特征与临床描述的跨模态语义对齐及联合推理。如同为医生配备了“图文协同”的智能助手，大幅提升诊断的精准性与效慧医率。

此次升级中，5.0版本尤其做了以下三大核心能力强化，确保出的权威性与真实性：

医学知识全覆盖：精准覆盖疾病、标签症状、药物、治疗方案等全领域医学知识，可实现高效检索与专业回复；

幻觉控制更可靠：借助增量训练、Graph-R: AG知识注入及任务级Agentic-RL训练等先进范式，大幅减少事实性错误；

医学信息抽取更精准：实现复杂非结构化云知临床文本的极致结构化，实体识别精度与关系抽取广度均位居业界前列。