# 阿里达摩院「灵枢」大模型：12种医学影像秒级分析，性能碾压GPT-4.1，开源引爆医疗AI新浪潮

- Link: https://paooo.com/aigc-news/14733/
- Published: 2026-06-27T21:12:22+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 支持X光、CT、MRI等12种以上医学影像，面向医学问答、报告生成与诊断辅助。
 * 采用Qwen2.5-VL架构与多阶段训练，并引入RLVR强化医学推理能力。
 * 开源7B/32B版本并发布MedEvalKit，32B在多项任务上超越GPT-4.1。

> **💡 站外导读：**在医疗AI领域，模型的精准度与可靠性是生命线。然而，现有通用大模型
> 在处理专业、多样的医学影像（如X光、CT、MRI）时，常因缺乏领域深度知识而“水土不服”，
> 难以生成可靠的临床洞察。行业亟需一个既精通多种影像模态，又具备深度医学推理能力
> 的专用大模型，以破解诊断效率与报告质量的双重难题。在此背景下，阿里巴巴达摩院推出
> 的“灵枢”模型，正试图成为这个关键的答案。

## Lingshu是什么

Lingshu（灵枢）是阿里巴巴达摩院推出的专注于医学领域的多模态大型语言模型。模型支持
超过12种医学成像模态，包括X光、CT扫描、MRI等，在多模态问答、文本问答及医学报告生成
等任务上展现出卓越的性能。Lingshu基于多阶段训练，逐步嵌入医学专业知识，显著提升在
医学领域的推理和问题解决能力。推出7B、32B两个参数版本，其中32B版本在多个医学多模
态问答任务中超越[GPT-4.1](https://ai-bot.cn/openai-gpt-4-1/)等专有模型。Lingshu项目
推出MedEvalKit评估框架，整合主流的医学基准测试，推动医学AI模型的标准化评估和发展。

阅读目录

 * [Lingshu是什么](https://paooo.com/aigc-news/14733/#lingshu%e6%98%af%e4%bb%80%e4%b9%88)
 * [Lingshu的主要功能](https://paooo.com/aigc-news/14733/#lingshu%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [Lingshu的技术原理](https://paooo.com/aigc-news/14733/#lingshu%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [Lingshu的项目地址](https://paooo.com/aigc-news/14733/#lingshu%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [Lingshu的应用场景](https://paooo.com/aigc-news/14733/#lingshu%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/14733/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

![Lingshu](https://paooo.com/wp-content/uploads/2026/05/Lingshu-website-1.avif)

## Lingshu的主要功能

 * **多模态医学问答**：支持处理多种医学成像模态（如X光、CT、MRI等）的视觉问答任务。
   根据输入的医学图像和相关问题，生成准确的答案。
 * **医学报告生成**：Lingshu能生成高质量的医学报告，如放射学报告，根据输入的医学
   图像，生成详细的“发现”和“印象”部分，为临床医生提供有价值的参考。
 * **医学知识问答**：Lingshu能回答纯文本的医学问题，涵盖广泛的医学知识，为医学学生、
   临床医生和研究人员提供准确的信息。
 * **医学推理与诊断支持**：Lingshu具备强大的医学推理能力，根据输入的医学图像和文本
   信息，进行复杂的推理和诊断支持。
 * **医学图像理解与标注**：Lingshu能理解和标注医学图像中的关键特征，如病变位置、
   类型和严重程度，支持生成详细的图像描述，帮助医生更好地理解图像内容。

## Lingshu的技术原理

 * **数据整理**：
    - **数据收集**：从多种来源收集医学成像数据、医学文本数据和通用领域数据。
    - **数据清洗**：基于图像过滤、去重和文本清理，确保数据的质量和相关性。
    - **数据合成**：生成高质量的医学标题、视觉问答（VQA）样本和推理轨迹，丰富训练
      数据。
 * **模型架构**：Lingshu基于[Qwen2.5-VL](https://ai-bot.cn/qwen2-5-vl/)模型架构，
   包含三个关键组件，大型语言模型（LLM）处理文本输入和生成文本输出，视觉编码器提取
   医学图像的视觉特征，投影器将视觉特征映射到语言模型的表示空间。
 * **多阶段训练**：
    - **医学浅层对齐**：用少量医学图像文本对进行微调，让模型准确编码医学图像生成
      相应的描述。
    - **医学深层对齐**：引入更大规模、更高质量和语义更丰富的医学图像文本对数据集，
      进一步整合医学知识。
    - **医学指令调整**：基于大规模的医学指令数据优化模型，提高执行特定任务指令的
      能力。
    - **医学导向的强化学习**：用强化学习与可验证奖励（RLVR）范式，增强模型的医学
      推理能力。
 * **评估框架**：推出MedEvalKit评估框架，整合多个多模态和文本医学基准测试，支持多种
   问题格式，包括多项选择题、封闭式问题、开放式问题和医学报告生成。框架提供标准化
   的数据预处理格式和后处理协议，及一致的模型部署和推理接口，支持快速集成和一键评估。

## Lingshu的项目地址

 * **项目官网**：https://alibaba-damo-academy.github.io/lingshu/
 * **HuggingFace模型库**：https://huggingface.co/collections/lingshu-medical-mllm/
   lingshu-mllms-6847974ca5b5df750f017dad
 * **arXiv技术论文**：https://arxiv.org/pdf/2506.07044

## Lingshu的应用场景

 * **医学图像诊断**：处理多种医学成像模态的视觉问答任务，分析图像中的异常并提供诊断
   建议，生成详细的图像描述和标注关键特征，辅助医生进行准确诊断。
 * **医学报告生成**：依据医学图像生成高质量的放射学报告和病理报告，涵盖“发现”与“
   印象”部分，为临床医生提供重要参考，提高报告编写效率与质量。
 * **医学知识问答**：提供准确的医学知识，帮助医学学生、专业人士以及临床医生获取所需
   信息，做出更明智的决策。
 * **医学研究**：在医学研究中，协助整理和分析医学图像与文本数据。
 * **公共卫生**：Lingshu能处理公共卫生数据，支持流行病学研究，计算归因风险等。

#### 📝 站长洞察 (Editor’s Insight)

「灵枢」的发布，标志着医疗AI竞争进入了“专用模型深度攻坚”的新阶段。它超越了简单的“
看图说话”，通过多阶段训练将医学知识层层嵌入模型骨髓，并创新性地引入强化学习（RLVR）
来锻造其“医学思维”，这是从“工具”到“专家”的关键一跃。开源7B和32B版本，并配套标准化
评估框架MedEvalKit，这不仅是技术展示，更是生态卡位——通过降低使用门槛与建立评测标准，
阿里旨在引领行业范式，将自身塑造为医疗AI基础设施的核心提供者。其在多项任务上超越
GPT-4.1，再次证明在垂直领域，经过精心“烹饪”的专用模型，其潜力远未见顶。这不仅是技术
突破，更是对整个医疗AI研发、评测与落地体系的系统性重定义。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**达摩院 ↗**

达摩院：阿里巴巴旗下研究院，面向AI 综合应用场景提供便捷实用的在线功能支持。

**HuggingFace ↗**

HuggingFace：AI模型开发社区，面向大语言模型场景提供便捷实用的在线功能支持，涵盖大
模型等实用方向。

❓ 常见问题解答（FAQ）

灵枢[大模型](https://paooo.com/ai-study/)主要解决什么问题？

灵枢面向医学影像理解与临床文本生成，重点解决通用大模型在X光、CT、MRI等专业影像上
知识不足、推理不稳、报告质量不高的问题，提升诊断辅助与报告生成效率。

灵枢支持哪些医学影像模态？

文章提到灵枢支持超过12种医学成像模态，涵盖X光、CT扫描、MRI等，可用于多模态问答、
图像理解、标注和医学报告生成等任务。

灵枢为什么被认为有竞争力？

核心在于多阶段医学对齐、医学指令调整和强化学习（RLVR）增强推理能力；同时开源7B与
32B版本，并配套MedEvalKit标准化评测，32B版本在多项任务中超越GPT-4.1。

🔬 语宙深潜追问 · 进阶实操拆解

灵枢适合先落地哪些科室？

更适合影像密集、流程标准化的科室，如放射科、病理辅助分析和体检筛查。先从报告草拟、
影像检索和分诊辅助切入，避免一开始就做最终诊断结论，降低临床风险。

医疗AI评测为什么必须标准化？

因为不同医院、设备和标注习惯会让结果不可比。标准化评测能把模态覆盖、病例分布、诊断
任务和安全边界统一起来，便于判断模型到底是“真提升”还是“数据集偏好”。

🗳️ 读者观点微投票 · 您的实战立场是？

医学多模态模型开源后，医院会直接用吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

 * [HealthGPT – 浙大联合阿里等机构推出的医学视觉语言模型](https://paooo.com/aigc-news/21728/)
 * [MindLLM – 耶鲁联合剑桥等机构推出的医疗领域 AI 模型](https://paooo.com/aigc-news/21357/)
 * [MedBench 5.0 斩获 99.6 分登顶！讯飞医疗重磅发布星火医疗大模型 V3.7：三模态深度融合、85%电子病历合理率与基层全科智能体全景落地深度拆解](https://paooo.com/aigc-news/40334/)
 * [Baichuan-M1-14B – 百川智能推出的行业首个开源医疗增强大模型](https://paooo.com/aigc-news/22593/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/14733/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
