4月24日，上海联影智能科技股份有限公司（以下简称“联影智能”）开源了全球首个医疗视频理解大模型——uAI Nexus MedVLM（元智医疗视频理解大模型）。该论文被CVPR 2026收录，同步开源的还有6245组精标测试集与全球首个医疗视频理解公共评测体系。

医疗视频理解领域，终于有了第一把"标尺"。

长期以来，医疗手术视频理解领域始终存在三大核心技术瓶颈，制约着行业的发展：

而本次，联影智能发布的 uAI Nexus MedVLM，就专门针对上述大三瓶颈进行了突破。

uAI Nexus MedVLM的底子是53万条视频-指令数据，4B/7B参数规模，一张卡就能部署。覆盖内镜、腹腔镜、开放手术、机器人手术、护理操作等8个医学数据集。

而模型能干8件事：视频摘要、关键安全视野评估、下一步操作预测、技能评估、时间动作定位、密集视频描述、区域级描述、时空基础化。

团队还开发了MedGRPO强化学习框架，解决了一个很实际的问题——异构医学数据混合训练容易崩溃。他们用跨数据集奖励归一化和医学LLM评审机制，让不同难度的数据集能公平优化。这套框架让器械定位能力提升14%，手术步骤识别能力提升52%。

性能测试结果显示，uAI Nexus MedVLM 在多项医疗视频核心任务中，性能全面超越当前主流通用大模型：

「元智」医疗视频理解大模型 (uAI NEXUS-MedVLM) 在多项医疗视频核心任务中性能全面超越主流通用大模型

以腹腔镜胆囊切除术的操作描述任务为例：

GPT-5.4 仅能给出笼统的泛化描述，无法识别具体手术器械；

Gemini-3.1 出现了器械识别错误，将手术工具误判为 “电凝钩”；

其他国产通用大模型则无法识别正确的手术步骤。

而 uAI Nexus MedVLM 的输出为：“位于左上方的抓钳持续向上并朝中央牵引胆囊，保持张力并为钩子暴露分离平面”，几乎接近标准答案。

值得一提的事，联影这次不只是开源模型，还同步开源了大规模高质量医疗视频标注数据，提供了一个统一的评测基准，彻底解决了过往行业内技术能力无法横向对比的问题。

以前各说各话，现在同一个数据集上跑一跑，谁强谁弱一目了然。

此外，联影智能还发布「医疗视频理解大模型榜单」，面向全球开发者发出邀请。开发者提交模型结果，系统自动评分，动态更新排行榜。全球开发者都能下载模型、用数据集、上传成果。

医疗视频理解大模型榜单

本次 uAI Nexus MedVLM 的开源，不仅是联影智能在医疗AI领域的又一次技术突破，更是整个医疗视频理解赛道的全新起点。

未来，随着该模型与具身智能等前沿技术的融合落地，医疗 AI 将逐步从影像诊断等单点场景，向全流程、全场景的临床辅助延伸，真正实现技术普惠，为全球医疗行业的数字化转型，注入全新的行业动力。