去年今日，智诊科技发布WiseDiag V1时，业界还在为AI能读懂病历、回答医学问题而喝彩。一年后，当鹿仲豪和他的算法团队再次站在发布台上，他们带来的不再是一个只会咬文嚼字的文本助手，而是一个真正拥有了视觉皮层的全能医疗大脑。

中医讲望闻问切，望诊居于首位。千年来，医生看病从不是只读文字，而是要亲眼看见患者的面色、舌苔，细观影像片子上的阴影变化。这种天然的多模态属性，恰恰成了上一代医疗AI无法逾越的鸿沟。WiseDiag V2的诞生，正是为了填平这道鸿沟——它让AI第一次能够像医学生跟师临诊那样，用眼睛捕捉病灶，用大脑调动知识，完成从看见到看懂的认知跃迁。

这并非简单的看图说话功能叠加。算法工程师道出了背后的苦功：团队联合50余位三甲医院专家，对3万多例包含影像、皮肤照片的真实病历进行了深度拆解。他们标注的不只是“这是什么病”，更是“为什么是这个病”的推理路径。这种将专家思维对齐进模型的做法，让WiseDiag V2在面对一张面部红斑照片时，不再像某些通用模型那样摇摆不定——今天说是过敏，明天猜是玫瑰痤疮。它一眼锁定了蝶形红斑这个关键体征，直指系统性红斑狼疮的核心诊断，并给出鉴别思路和追问建议。

如果说单图识别考验的是眼力，那么面对一堆零散信息还能拎出真相，考验的则是真正的临床穿透力。发布会现场展示了一个刚满月婴儿的病例：一张胸部X光片、一张足部外观照、一张血常规化验单。普通的模型要么看不见，要么各说各话——看脚的说是骨折，看血的说是肺炎。这种割裂好比盲人摸象。而WiseDiag V2的处理方式，却让人看到了一个医生应有的思考轨迹：它在X光片上锁定了食管闭锁和半椎体异常，在足部照片中识别出马蹄内翻，再结合化验单和影像读出吸入性肺炎的风险——最后将所有碎片拼成完整的诊断：VACTERL联合征。这是一种症状分散、极易被当成几个不相干毛病的先天疾病，而模型恰恰展现了捕捉碎片信息并综合分析的能力。

这种能力的背后，是实打实的技术底座升级。从V1到V2，医疗语料从450亿Token增长到800亿，覆盖更完整的疾病谱系；模型架构从稠密走向混合专家，在保持千亿参数能力上限的同时兼顾了落地成本；128K的长上下文让它可以一次读完5年病史，做时间轴式的整合分析。更重要的是，它实现了图文同构——看到的像素级病灶，直接对应着大脑里的医学知识，而不是先把图片转成文字再处理。

成绩单印证了实力的跃升。在覆盖问诊、诊疗、安全与伦理等多维度的MedBench榜单上，WiseDiag V2以69.8分位居榜首；在对标人类执业医师水平的MedQA测试中，它拿到93.6的高分；在多模态医学影像评测集vl-health上也达到69.2分。而且，OpenAI在2025年5月发布的医疗评测集HealthBench——这个由梅奥诊所、克利夫兰医学中心等顶尖机构的262位医生参与构建的测试集，真实模拟临床场景，难度极高。多数知名模型仅拿到53分，而WiseDiag V2跑出了67.2分的全球领先成绩。

但分数终究是给专家看的，体验才是给用户用的。在发布会上有一句话颇为精到：“医疗AI卷参数、卷算力，那只是入场券；真正决定天花板的，是它对医学世界的‘理解深度’。”从只会读文字到能同时看懂报告、影像、皮肤照片，WiseDiag V2完成的不是单项能力的叠加，而是认知维度的升维。它用海量数据构建知识底座，用视觉能力捕捉病灶细节，最后通过专家思维的对齐，把所见与所知融为一体。

这让人想起那个68岁糖尿病女性的案例：主诉消化不良、上腹发闷、牙床酸痛、肩膀沉重。普通模型当成胃炎建议胃镜，而WiseDiag V2却从非典型症状组合中嗅出了心梗的风险，给出暂缓胃镜、优先心内科的安全建议。这种危急重症识别+行为建议的能力，正是临床最需要的价值。

今天的AI，已经能够像医生一样把碎片化的信息拼成一个完整的人。而明天，智诊科技将发布医疗端到端智能体，让AI不仅能想，还能做。从记忆到视觉，从思考到行动，这条技术进化的路径，正在重新定义医疗AI的边界。