中医诊断不再只靠文字：ShizhenGPT把舌象、脉象、气味和声音接进同一个32B模型
中医大模型此前多在不足1GB文本上训练，且只处理文字，而中医诊断本身依赖望、闻、问、切多种感官。ShizhenGPT用100GB以上文本（3256本中医书籍与网络语料）和200GB以上多模态数据（120万张标注图像、200多小时音频及脉搏、气味、心电信号）做两阶段预训练与指令微调，把图像、声音和生理信号接入同一个模型。在2024至2025年五套中医考试上，ShizhenGPT-32B平均78.1分，低于DeepSeek-R1-671B的84.0分；在7204道题的中医视觉基准上，它以63.6分超过Gemini-3-Pro的61.4分。