斯坦福临床医疗AI横评 DeepSeek把谷歌OpenAI都秒了要评测就要全 方 位。团队构建了含35个基准测试的综合评估框架，覆盖22个子类别医疗任务。整个评测的分类体系还经过了临床医生验证，由29名来自14个医学专科的执业医师共同参与开发。光作者名单就老长，斯坦福大学医学院、斯坦福医疗中心、斯坦福大学基础模型研究中心（CRFM）、微软的研究人员均在列。31页论文最终得出，DeepSeek R1、o3-mini、Claude 3.7 Sonnet等在内的9个前沿大模型，DeepSeek R1以66%胜…