蚂蚁医疗大模型在MedBench评测中获得双料冠军，得分分别为97.5和98.2。该模型在医学问答和语言生成等领域表现出色，具备多模态交互能力。自2023年进入医疗AI领域以来，已服务近3000万人次，推动了多个智能医疗应用的研发。

为了解决医学大语言模型评估工作耗时且需要大量人力的问题，研究人员引入了MedBench，一个综合性的基准测试，包括来自医学各领域的40,041个问题。通过评估医学语言学习模型的知识掌握和推理能力，MedBench建立了一个可靠的标准，揭示了医学大语言模型的能力和限制，以帮助医学研究社区。