4月30日杭州德适生物科技股份有限公司2526.HK简称 “德适”在中国香港正式发布医疗AI评测平台DoctorBench并揭晓首期全球医疗大模型排行榜。杭州智诊科技的WiseDiag-v2、谷歌的Gemini-3.1-Pro-Preview、OpenAI的GPT-5.4 位列前三甲。该平台首次以 “临床实战能力” 为核心标尺为全球医疗大模型构建起一套贴近真实诊疗场景的多维评测体系。专业人士指出当前全球医疗大模型正加速从实验室走向临床应用但行业始终缺乏一套能够真正衡量模型“看病能力” 的评测标准。现有的评测大多聚焦于医学知识问答难以反映模型在复杂临床情境中的综合表现——这种评测与临床实践之间的鸿沟正在成为制约医疗AI落地应用的全球性挑战。此前OpenAI发布HealthBench标志着领先企业开始重视这一挑战。然而医疗具有强烈的本土化特征——不同国家和地区的诊疗指南、语言习惯、患者群体存在显著差异任何单一评测体系都难以实现全球普适。正是基于对这一全球性挑战的深刻认识德适发起并打造了DoctorBench 平台。这一平台的诞生植根于一个跨学科团队近十年的深耕与协作。德适汇聚了基础医学、临床医学、人工智能、医疗产业等多领域的专家将严谨的临床医学逻辑与前沿的深度学习算法深度融合让DoctorBench既能理解AI技术的边界又能洞察临床实践的复杂需求并以此为标准构建评测体系。DoctorBench的核心理念是不再只考核大模型的 “知识储备”而是考核其 “像医生一样思考” 的临床沟通与决策能力。平台构建了三大榜单体系 —— 医学主榜单LLM、多模态榜单VLM与智能体榜单Agent分别评测模型的文本诊疗能力、多模态理解能力以及模拟诊疗环境中的多轮决策与工具调用能力。在评测机制上DoctorBench首创“2大核心维度安全性和准确性3 项通用维度交互质量、信息优先级、主动询问5 项专项模块证据与引用、可解释推理、可执行性、个体化适配、情感支持” 的多维架构并搭载 “场景自适应权重”——根据不同临床场景的风险等级动态调整各维度权重使评分逻辑更贴近真实诊疗决策。尤为关键的是平台将 “医学事实准确” 与 “安全与风险控制” 设为具有 “一票否决权” 的核心红线 —— 任何模型若在关乎患者安全的关键问题上出现严重偏差无论其他维度表现如何突出均无法获得高分。这一设计源于团队对医疗本质的深刻理解在关乎生命的领域安全性永远是第一要义没有妥协余地。“医疗AI的发展是一场关乎人类共同健康福祉的长跑既需要颠覆式的技术创新和跨学科、跨地域的深度协作更需要对生命健康的绝对敬畏与坚守。” 德适创始人宋宁博士表示期待与全球更多科研机构、临床中心和行业伙伴携手让真正有实力的技术被看见、被信赖最终惠及每一位患者。