项	值
底座	Qwen/Qwen3-8B
参数量	8.19 B
精度	bfloat16 (~16 GB)
max_model_len	8192
训练	4 节点 × 8 卡 A800, 2 epoch full SFT, 2h 09min
训练框架	ms-swift 4.2.3 + DeepSpeed ZeRO-3
chat_template	Qwen3 风格 (`<think>...</think>` + final answer)

训练数据 (37,353 条)

子集	规模	来源	thinking
A	32,057	v3 chosen prompt × M2-32B 重新生成 thinking 链	✅
C	5,000	M2 thinking 数据 (回避修正版)	✅
D1	296	国家药典教材方剂	❌ schema 标准

<think> 闭合率 99.97%. p99 长度 3959 < max 5120.

评估结果 (210 题套件)

210 题 = 60 open + 100 CMB mcq + 50 C-Eval mcq.

模型	CMB	C-Eval	open v2_seed	open new_30
Qwen3-8B base	—	—	4.87	4.87
v4-584 (无 thinking 训练)	69%	82%	4.60	5.00
v5-580 thinking-on ⭐	70%	92%	5.00	5.00
v5-580 thinking-off	68%	86%	5.00	4.87

注: open 5 分制, M2-32B 当 judge 有天花板效应 (高分聚集), 真实差距需配合 mcq 客观题判读.

推理使用

推荐: vLLM ≥ 0.19.1 + reasoning parser

bash

pip install vllm>=0.19.1

vllm serve shdkahjkda/medical-v5-8b \
  --served-model-name medical-v5 \
  --max-model-len 8192 \
  --gpu-memory-utilization 0.85 \
  --reasoning-parser qwen3 \
  --dtype bfloat16

Python 直接调用

python

from vllm import LLM, SamplingParams

llm = LLM(model="shdkahjkda/medical-v5-8b", dtype="bfloat16")
tokenizer = llm.get_tokenizer()

messages = [
    {"role": "user", "content": "风寒感冒和风热感冒怎么鉴别"}
]
prompt = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
    enable_thinking=True,   # 关键: True 让模型先 thinking 再答
)
out = llm.generate([prompt], SamplingParams(temperature=0.3, max_tokens=4096))
print(out[0].outputs[0].text)

OpenAI 兼容 HTTP API

python

import openai
client = openai.OpenAI(base_url="http://localhost:8000/v1", api_key="dummy")
resp = client.chat.completions.create(
    model="medical-v5",
    messages=[{"role": "user", "content": "二陈汤的组成和功效"}],
    temperature=0.3,
    max_tokens=4096,
    extra_body={"chat_template_kwargs": {"enable_thinking": True}},
)
# vllm 0.19.1: thinking 段在 resp.choices[0].message.reasoning, final 在 .content

关键 caveat

mcq + thinking 不兼容默认配置: chat_template 标准 mcq prompt 期望模型直接吐字母, 但 enable_thinking=True 时模型会先吐 <think>...</think> 段. mcq 用例必须把 max_tokens 拉到 ≥4096, 且 parser 必须先剥 <think> 段再抓 ABCDE, 否则准确率暴跌 (实测 CMB 70% → 10%).
多轮对话回传 history 时 不要带 reasoning 段, 只回传 final content (Qwen3 官方建议, 否则 token 浪费 + 风格污染).
判官选择: 不要再用 M2-32B 当 judge 评本模型 — 会有"老师改学生"bias. 推荐 GPT-4 / Claude Opus / 人工抽样.

License

模型权重: Apache 2.0 (跟随 Qwen3-8B 底座)
训练数据: 包含 Baichuan-M2-32B 蒸馏内容, 受 M2 商用条款约束, 仅限研究和教育用途, 不可用于商业部署
代码: Apache 2.0

配套代码

GitHub: https://github.com/pai-pixel/medical-v5 (private)

包含: chat 推理接口 (FastAPI + vllm) / 训练 launcher / 评估脚本.

Disclaimer

本模型仅供研究使用. 输出 不构成医疗建议, 任何临床决策必须由执业医师审核. 涉及具体用药、剂量、急救处理请始终咨询专业医务人员或拨打急救电话.

项目状态

2026-06-21 完工. 后续视情况做 int4 量化部署到 RK3588 类边缘终端.

Citation

@misc{medical-v5-2026,
  author = {pai-pixel},
  title = {medical-v5: Qwen3-8B SFT 中医西医兼通临床助手},
  year = {2026},
  publisher = {HuggingFace},
  howpublished = {\url{https://huggingface.co/shdkahjkda/medical-v5-8b}}
}