云知声发布医学影像多模态大模型 U2-RadiMed

云知声近日正式发布自研医学影像多模态大模型 U2-RadiMed。该模型定位为覆盖医学影像理解、报告生成、临床推理决策与视觉问答的全链路影像大模型，支持单张、多张影像与文本的多模态混合输入，旨在为临床医生提供从病灶筛查、精准诊断到个体化治疗决策的辅助支撑。

模型能力覆盖六大方向

U2-RadiMed 全面覆盖 CXR 胸部 X 光、CT、MRI 等主流医学影像类型，搭建起六项核心能力框架：

• 报告生成
• 病灶检测与定位
• 临床推理
• 临床决策
• 通用医学 VQA
• 高级医学推理

模型在 U2-Med 专业医学能力底座之上进一步融合视觉理解能力，将影像中的病灶特征与医学知识、临床信息相连接，使其能够围绕临床问题展开分析，回答「病灶在哪里、呈现什么特征、可能意味着什么、下一步如何判断」等问题。

评测成绩以自测与 MedBench 为主

据云知声自测评数据，U2-RadiMed 综合评分 55.5 分，六大核心能力中四项表现突出：

• 病灶检测与定位：37.6 分
• 通用医学 VQA：74.2 分
• 高级医学推理：46.8 分
• 报告生成：表现亦位列参评模型前列

在 MedBench 5.0 全模态大模型评测中，U2-RadiMed 以综合得分 57.2 的成绩位列参评模型第一。

突破单帧分析，支持时序影像与可解释推理

针对真实临床诊疗需求，U2-RadiMed 突破单张影像独立解读的局限，可串联多时序影像进行病程动态追踪、鉴别诊断与报告辅助生成。云知声给出了两个临床示例：

• 案例一（低级别胶质瘤）：模型串联患者 7 年间初诊、术前、术后三阶段 MRI，识别病灶从 25mm 增大至 45mm 的进展，并确认术后肿瘤完整切除，区分术区高信号为正常术后水肿。
• 案例二（甲状腺相关眼病鉴别）：面对 70 岁男性双眼突出病例，模型基于影像特征将甲状腺相关眼病列为最优诊断，同时逐一排查特发性眼眶炎症、淋巴瘤、血管性病变等，并给出后续甲状腺功能检测、眼眶 MRI 复查等标准化方案。

将上线 MaaS 平台，面向开发者开放

U2-RadiMed 即将上线云知声 MaaS 平台（Token Hub），该平台提供与 OpenAI 兼容的接口，支持多图输入与 40K 上下文长度，方便开发者与医疗机构将模型能力集成到现有工作流中。

从通用基座 U2，到面向三医场景的 U2-Med，再到聚焦医学影像的 U2-RadiMed，云知声正沿「通用智能 → 医疗专业智能 → 医学影像智能」路径持续推进其医疗大模型体系。