📰 概要

2026年4月26日，全球首个医疗视频理解大模型uAI Nexus MedVLM开源。模型汇聚超53万条视频-指令数据，论文已被CVPR 2026收录。

团队同步开源6245个视频-指令对标准测试集，医疗视频理解终于有了公共标尺。

手术安全评估准确率89.7%，是GPT-5.4的近5.5倍，Gemini-3.1的3.7倍。单卡即可部署，支持4B/7B参数规模。

---

🔍 解读

这是医疗AI领域的"核弹级"开源事件。手术视频一直是黑盒，医生看手术录像做复盘，但AI无法理解。现在终于有了突破。

uAI Nexus MedVLM真正能看懂手术。不只是视频分类，而是理解手术步骤、识别器械、评估安全性。

开源测试集的意义更大。以往各家自测自夸，现在有了公共标尺。6245组精标数据，让医疗视频理解从玄学变成可量化的科学评估。

---

💎 深挖

来看核心指标对比：

任务	MedVLM	GPT-5.4	Gemini-3.1
手术安全评估	89.7%	16.4%	24.2%
时空动作定位mIoU	47x GPT	基准	3.2x
视频报告生成	4.24分	3.98分	3.7分

差距有多大？MedVLM手术安全评估准确率是GPT-5.4的近6倍。这不是微弱优势，是代际碾压。通用大模型在医疗专业场景完全不够用。

数据规模：53万条视频-指令数据，覆盖内镜、腹腔镜、开放手术、机器人手术、护理操作。8个专业医学数据集整合，几乎涵盖所有手术场景。

技术路线：MedGRPO强化学习优化后，器械定位提升14%，手术步骤识别暴涨52%。强化学习让模型更精准理解手术关键步骤。

对医疗行业的影响：手术视频理解从黑盒变成可量化。医生可以用AI做手术复盘、技能评估、风险预警。医院可以建立标准化手术评估体系，提升整体质量。

对开发者的影响：单卡部署意味着低成本接入。4B/7B参数规模，不需要昂贵算力就能跑起来。医疗AI开发门槛大幅降低。

什么情况不建议直接用：如果你没有医疗场景背景，单纯复制模型很难落地。医疗视频理解需要配合临床流程才有价值。如果你担心合规问题，医疗AI的监管门槛比普通AI更高，需评估当地政策后再部署。