斯坦福医疗 AI 评测，DeepSeek R1 夺冠

斯坦福大学通过 MedHELM 评估体系对九款临床医疗 AI 模型进行深度评测，DeepSeek R1 以 66% 胜率和 0.75 宏观平均分夺冠，o3-mini 和 Claude 3.7 Sonnet 分别位列第二、三名。评估涵盖 35 项基准测试及 22 个医疗任务子领域，验证了模型在实战环境中的表现。同时，创新的 LLM-jury 方法与医生评分高度一致，成本效益分析显示不同模型适用于多样化需求，推动医疗 AI 技术发展与应用。