剛剛，王小川掏出AI家庭醫生：微信裡喊你吃藥、幫你盯緊全家健康
重點摘要
百川智能今日發布AI家庭醫生「百小醫」，可在微信中主動提供用藥提醒、健康管理等服務，並同步預告新一代醫療大模型Baichuan-M4。該模型在醫療基準測試中領先GPT-5.5等競品，幻覺率降至3.3%。百川創辦人王小川認為，此類AI家庭醫生有望緩解國內醫療資源不均問題。
### AI家庭醫生「百小醫」正式登場：從微信提醒服藥到家庭群組健康監控
百川智能近日推出AI家庭醫生產品「百小醫」，並同步預告新一代醫療大模型Baichuan-M4即將開放API服務。這款產品已上架各大應用市場，最大亮點在於能與微信深度整合——使用者可將「百小醫 BOT」加入好友，甚至拉進家庭群組，主動監測對話中的健康資訊，適時提醒長輩就醫或複診。這項服務涵蓋症狀問診、就醫前準備、醫囑解讀等環節，企圖打破傳統家庭醫生被動服務的侷限。
### 主動式健康管理：從被動諮詢到即時提醒
不同於一般醫療諮詢App僅能回答提問，「百小醫」強調「主動」二字。例如，它可設定用藥提醒，定時推播訊息給使用者；也能每週產出家庭健康週報，統整成員的體況變化。王小川特別舉例：當家人在群組討論腳趾疼痛時，BOT會自動分析並建議就醫，甚至協助整理病歷摘要提供給醫生。這種「滲透到日常溝通」的設計，目的是將健康管理融入生活場景，而非僅限於掛號看診的片段。
### 背後技術：Baichuan-M4模型的低幻覺與臨床推理能力
支撐「百小醫」的核心是即將開放的百川新一代醫療大模型Baichuan-M4。根據官方測試，該模型在HealthBench及自建臨床決策基準SCAN-bench上，表現超越多個主流模型，且幻覺率降至3.3%。這項數據意味著AI在醫療建議上的可靠度提升——尤其在面對真實患者時，模型需具備主動問診能力，透過多輪對話排除風險，才能降低初級診斷的錯誤率。王小川強調，模型已針對臨床思維與循證能力進行強化，避免像過去通用AI一樣，給出過於草率的結論。
### 當前AI醫療的三道難題：效率、準確性與信任
百川此次布局並非憑空而來。王小川點出，現有AI醫療應用普遍面臨三大挑戰：首先，即便AI能縮短問診時間，三甲醫院醫生工時已近極限，省下的時間仍會被更多患者填滿；其次，AI在實驗室的準確率雖高，但在真實場景中，初級鑑別診斷錯誤率可達八成，原因是缺乏主動蒐集資訊的能力；最後，越來越多人拿AI的結果去看病，卻與醫生的專業判斷衝突，形成新的醫患矛盾。「百小醫」的設計正是為了解決這三個痛點——透過長鏈問診獲取完整資訊、降低幻覺，並在家庭端提供可信賴的建議，減少患者帶錯誤資訊進診室的情況。
### 可能影響：重塑家庭醫生角色，緩解醫療資源不均
在台灣，家庭醫師制度已推動多年，但礙於人力與服務模式，仍難以做到主動關懷。百川的AI家庭醫生概念，或許能為現有三級診療體系增添一個「虛擬層級」：它不限服務人數，知識庫涵蓋廣泛，且能隨時回應。
Related
相關文章
Liquid AI Introduces LFM2.5-Embedding-350M and LFM2.5-ColBERT-350M: Dense Bi-Encoder and Late-Interaction Models for Fast Multilingual Search Across 11 Languages
This week, Liquid AI released two new retrieval models. They are LFM2.5-ColBERT-350M and LFM2.5-Embedding-350M. Both hold 350M parameters. Both are the first bidirectional members of the LFM family. They build on LFM2.5-350M-Base, released in March. The pair targets fast multilingual and cross-lingual search across 11 languages. Their footprint is small enough to run almost anywhere. Both are available now on Hugging Face under the LFM Open License v1.0. LFM2.5 Retrievers The two models share one backbone but represent text differently. LFM2.5-Embedding-350M is a dense bi-encoder. It turns each document into a single vector. Pick it when you want the fastest search and the smallest, cheapest index. LFM2.5-ColBERT-350M is a late-interaction model. It converts each token into a vector rather
Perplexity Launches Brain, a Self-Improving Memory System That Builds a Context Graph of an Agent’s Work and Learns Overnight
Most AI memory remembers the user. It stores your preferences, your tastes, and your role. Perplexity is taking a different path. Today, Perplexity launched Brain, a self-improving memory system for its agent product, Computer. Brain does not focus on remembering you. It remembers what the agent did. That reframes what memory in AI is for. What is Perplexity‘s Brain Brain is a self-improving memory system. It builds a context graph of the work Computer performs. At set intervals, such as overnight, Brain reviews that graph. It then teaches itself how to do the work better. The idea is straightforward. The more work you do, the more efficient Brain makes your Computer. Brain is rolling out today to Perplexity Max and Enterprise Max subscribers in Research Preview. Two Axes of AI Memory Perp
智譜新高，MiniMax承壓，“大模型雙雄”命運殊途
這篇消息聚焦「智譜新高，MiniMax承壓，“大模型雙雄”命運殊途」。原始導語提到：大模型在被市場重新定價 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
華為昇騰 0 Day 支持智譜 GLM-5.2 模型，提供全面推理優化
華為昇騰 AI 宣佈在智譜開源 GLM-5.2 大模型當天即完成深度推理優化。通過 MOE 大融合算子、通信計算融合、高併發調度等七項關鍵技術，顯著提升編程和長程任務的處理效率，現已支持 A3 系列產品部署。#AI 大模型# #國產算力#
企業AI轉型再添利器：青雲科技算力雲接入 MiniMax-M3 模型
企業AI落地面臨高效低成本難題。青雲科技旗下基石智算平臺接入國產開源大模型MiniMax-M3，提供新算力支持。MiniMax-M3以卓越上下文處理能力等三大核心技術見長，依託自研架構，助企業便捷部署AI業務。
阿里開源統一科學大模型 LOGOS，僅用五十六分之一參數超越微軟
阿里 ATH-Token Foundry 聯閤中國人民大學高瓴人工智能學院開源科學基礎模型 LOGOS。該模型採用統一科學語法與純序列建模範式，在六大科學任務上匹配或超越傳統專用方法。其中 LOGOS-1B 僅 1B 參數，即展現出極高效率，性能超越參數量達 8×7B 的微軟模型。