智能向上，是持续突破AI能力边界；智能向善，则是让每一次技术升级都精准回应真实临床需求。2026年7月，云知声发布U2-Med三医大模型，推动大模型能力深入医疗、医保、医药全场景应用。仅隔一个月，云知声医疗AI再次完成能力跃升——自研医学影像多模态大模型 U2-RadiMed 正式发布。

这一高频迭代，既源于长期积累的技术实力，也契合医学影像AI行业的重要发展窗口：医学影像云平台市场持续扩张，医保影像互认政策加快推进，AI辅助阅片与智能诊断的临床需求日益增强。这一次，云知声正面迎接更复杂、更专业的医学影像智能分析挑战。

作为国内首个深度融合医学影像理解、报告生成、临床推理决策、视觉问答的全链路影像大模型，该模型支持单张、多张影像与文本的多模态混合输入，可完成“看影像→调知识→做推理→出结论”的完整闭环，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全流程AI辅助支持，助力医学影像诊断迈向更高水平的智能化。

U2-RadiMed全面覆盖CXR胸部X光、CT、MRI等主流医学影像类型，构建起报告生成、病灶检测与定位、临床推理、临床决策、通用医学VQA、高级医学推理六大核心能力体系，是具备专业诊疗思维的“影像科AI专家”。

01深耕医疗AI持续升级，U2系列模型补足影像认知关键能力

U2-RadiMed，是云知声大模型能力在医疗领域不断深耕、持续演进的结果。

依托持续进化的技术体系，云知声正不断推动通用人工智能向医疗这一更专业、更复杂的场景深入落地：从通用基座大模型 U2，到覆盖医疗、医保、医药“三医”场景的专业大模型 U2-Med，再到如今进一步聚焦医学影像理解的 U2-RadiMed，大模型能力正逐层深入，逐步进入更真实、也更具专业门槛的临床诊疗一线。

如果把这一演进过程比作培养一位“AI医生”：

U2让它学会思考，U2-Med让它读懂医学，而U2-RadiMed，则让它真正拥有了一双“看懂医学影像的眼睛”。

在U2-Med专业医学能力底座之上，U2-RadiMed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、临床信息及诊疗逻辑有机连接起来。

因此，当它面对一张CT或一组MRI时，不再只是回答“图里有什么”，而是能够围绕真实临床问题展开更深入的分析：

病灶位于哪里？呈现出哪些关键特征？可能提示什么疾病风险？需要鉴别或排除哪些病症？下一步又该如何判断与处理？

从“看见影像”到“看懂影像”，再到结合医学知识完成临床推理与辅助判断，U2-RadiMed进一步打通了“医学视觉”与“医学认知”之间的关键链路，也推动云知声医疗大模型持续向更专业、更深入的临床核心场景演进。

02技术能力持续向上，多项核心指标领跑评测

顶级医学影像大模型，不仅要具备精准的视觉识别能力，更要做到病灶定位准确、医学问答清晰、临床推理深入。在多项横向评测中，U2-RadiMed展现出全面领先的硬核实力。

在通用综合测评中，U2-RadiMed以55.5分位居榜首，明显领先于Gemini 3.1（47.9分）、GPT-5.4（47.5分），以及Hulu-Med-27B、Qwen3.6-27B等海内外模型，体现出其在医学影像多模态综合能力方面更加全面、更加均衡的优势。

在六大核心能力专项评测中，U2-RadiMed实现四项能力登顶，包揽报告生成、病灶检测与定位、通用医学VQA、高级医学推理四大维度最高成绩。其中，病灶检测与定位能力优势尤为突出，以37.6分大幅领先同类模型，精准突破医学影像诊疗中的关键痛点，在病灶异常筛查与精准定位等核心环节建立显著竞争优势。

同时，模型通用医学VQA达到74.2分，高级医学推理达到46.8分，两项核心指标均位列参评模型第一；再结合临床决策、临床推理、报告生成能力，形成从病灶识别、影像解读、智能问答到临床推理、诊疗决策的完整闭环。

而在此前公布的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，再次印证其在医学影像多模态大模型领域的领先综合实力。

03突破单帧影像分析局限，看懂时序病程与临床诊疗逻辑

真实临床诊疗从来不是孤立分析一张影像。

医生通常需要结合患者不同阶段的影像变化、临床信息以及医学知识，对疾病进展、治疗效果和后续诊疗方案进行综合研判。

因此，U2-RadiMed进一步突破传统AI单张影像分析的局限，能够理解多时序影像之间的关联逻辑，支持病灶检测定位、影像智能问答、多时序影像对比、病程动态追踪、鉴别诊断、报告辅助生成等多种临床应用场景，更贴近医生真实的诊疗思维和工作流程。

案例一：时序影像串联7年病程，实现肿瘤诊疗全周期分析

针对低级别胶质瘤患者初诊、术前、术后三个阶段的MRI影像，U2-RadiMed打破单图独立解读模式，可串联多时序影像信息，还原完整病程。模型可精准识别患者7年前25mm左侧额叶病灶，以及术前病灶增大至45mm的进展变化，同时判断术后肿瘤区域无明显占位，确认肿瘤已完整切除。此外，模型还能准确区分术区高信号水肿带属于正常术后改变，并结合低级别胶质瘤的病理特征，给出专业化术后随访建议。该能力让静态医学影像转化为动态病程轨迹，实现对疾病进展、治疗效果与术后管理的全周期AI辅助。

案例二：全链路推理溯源，实现可解释的精准鉴别诊断

在70岁男性双眼突出的临床案例中，患者眼眶增强CT显示眶后脂肪突出、眼外肌增粗，存在肌腹增粗、肌腱附着处未受累的典型特征。针对这一病例，U2-RadiMed并不局限于输出单一诊断结果，而是依托完整临床逻辑开展系统性鉴别诊断。

模型首先结合核心影像特征，将甲状腺相关眼病（TAO）列为最优诊断，同时逐一排查特发性眼眶炎症、眼眶淋巴瘤、眼眶血管性病变等疑似病症，逐条给出各类疾病的支持依据与排除依据。在此基础上，进一步提出标准化后续诊疗建议，包括甲状腺功能及抗体检测、眼眶MRI复查，以及必要时全身影像学评估、组织活检等检查方向。全程形成“影像特征识别→医学知识调用→多维度鉴别诊断→风险概率研判→后续诊疗指导”的完整推理链路，具备很强的临床可解释性与实际应用价值。

04智能向上更向善，让医学影像AI普惠临床一线

技术持续向上，价值始终向善。U2-RadiMed不仅追求医学影像AI能力的持续突破，更致力于让专业能力真正进入临床、服务医生、赋能医院。

此外，U2-RadiMed即将上线云知声MaaS平台（Token Hub），该平台提供OpenAI兼容接口，支持多图输入与40K上下文，可实现模型能力开箱即用。体验链接：https://maas.unisound.com/

从让AI拥有一双“看懂影像的眼睛”，到让专业影像智能能力走向更多医院、医生与临床应用场景，U2-RadiMed正以“向上”的技术实力，践行“向善”的价值理念，推动医学影像AI从技术突破迈向真正的医疗生产力。