阿里开源医疗多模态大模型灵枢：12种医学影像+复杂推理，超越GPT-4.1与Claude

2025年8月，阿里巴巴集团宣布开源其最新医疗多模态大模型 灵枢（Lingshu），在医学图像与文本联合推理任务中表现显著超越GPT-4.1和Claude Sonnet 4。该模型支持12类医学影像（如CT、MRI、皮肤镜等），并提供 Lingshu-7B 和 Lingshu-32B 两个版本，为医疗AI开发提供了高精度、低成本的解决方案。

灵枢的核心能力：多模态医疗推理新标杆

1. 多模态融合：覆盖12种医学影像

灵枢通过统一架构处理以下医学影像：

• 传统影像：X光、CT、MRI、超声
• 专科影像：皮肤镜、眼底OCT、内窥镜、PET
• 病理与显微：组织病理学切片、数码摄影

技术亮点：

• 跨模态对齐：通过多模态Transformer将文本描述与影像特征深度融合，解决“影像-报告”不匹配问题。
• 细节感知：针对医学影