从单打独斗到团队协作：小模型如何通过“代理工作流”逆袭大模型
诊断的多阶段本质：从知识检索到临床决策
医学诊断历来被视为大型语言模型的“必争之地”。与生成诗歌或写代码不同，诊断任务要求模型在有限的信息基础上，进行事实抽取、知识检索、差异诊断生成以及最终决策。这种复杂性使得传统的单次提示（single-shot prompting）在面对不确定性时显得尤为脆弱。研究表明，仅仅依靠模型的参数量和预训练数据，往往难以应对临床推理中那些需要跨越多个知识点、进行逻辑串联的复杂情况。这就好比让一个只接受过教科书训练的医学生，在没有查阅病例和教科书的情况下，单次完成复杂病例的全程诊断，难度可想而知。
DeepLens诊断代理：五阶段流水线的结构化革新
针对上述痛点，DeepLens Diagnosis Agent提出了一种名为“代理工作流”的创新范式。该系统的核心不再是单纯依赖模型的体量，而是通过一套严格的五阶段流水线来规训模型的思考路径。这五个阶段分别对应：结构化临床信息提取、受控知识检索、受限候选生成、明确证据三角验证以及可审计的最终决策。这种设计本质上是将原本混乱的“直觉式”推理，转化为一条条可执行、可验证的工程步骤。
该系统的基石是一个名为 JSL Medical Small 7B v2 的小型医疗推理模型。在参数量上，它与市面上主流的大模型相差甚远，但在流水线的约束下，它展现出了非同一般的能力。流水线的第一阶段负责从海量医疗文本中精准抽取关键事实，这就像是为后续的诊断打好地基。第二阶段则通过检索增强生成（RAG）技术，将模型的知识库与最新的、相关的医学文献和病例库进行连接，弥补了模型参数量有限的短板。这种“小模型+检索”的组合拳，打破了模型必须拥有海量参数才能完成复杂任务的传统认知。
流水线的力量：流程设计带来的质的飞跃
DeepLens Diagnosis Agent最令人信服的数据在于其对“流程即能力”的实证证明。在915例的 DiagnosisArena 基准测试中，该代理实现了60.14%的冠军诊断准确率，这使其在所有小型和中型模型中位居榜首。更为重要的是，若剥离掉这个精心设计的工作流，仅靠模型本身的能力，准确率仅为23.99%。这意味着，仅仅通过流程设计的优化，就带来了惊人的36个百分点的跃升。这种跨度在AI领域极为罕见，也有力地反驳了“只有大模型才能解决复杂问题”的固有偏见。
值得注意的是，这70亿参数的模型在标准医学基准测试上的表现依然 respectable，达到了88.2%的准确率。这说明模型本身并非“智商低”，关键在于它缺乏处理不确定性、进行多步推理的框架。有了DeepLens的代理工作流后，它的诊断能力跃升了近一倍，这充分说明了在不确定性环境下，结构化的思考路径比单纯的知识积累更为关键。
成本与效率的双重平衡：小模型的性价比优势
在AI应用落地的过程中，成本往往是决定其能否普及的关键因素。DeepLens Diagnosis Agent在成本效率上展现出了显著优势。每个病例的推理成本仅为0.0072美元（基于24K tokens在A100上运行），而延迟时间控制在24秒以内。相比于目前市面上主流的前沿模型，如Claude Sonnet 4.5（0.0110美元）和Gemini 3.1 Pro（0.0128美元），DeepLens不仅以不到一半的成本实现了性能的超越，而且在延迟方面也更具竞争力。
具体来说，它在准确率上分别超越了Claude和Gemini近10个百分点。这种“高性能低成本”的属性，使得其在医疗影像阅片、初步病情筛查等对成本敏感的场景中具有极高的部署价值。对于医院和诊所而言，每节省一笔API费用，都是为患者服务成本的降低。这种经济属性的突破，可能比单纯的性能提升更能推动AI在医疗领域的实际应用。
可审计性与可信赖性：高风险场景的基石
除了裸分的提升，DeepLens Diagnosis Agent最值得深度点评的特性，莫过于其产生的结构化中间产物。在高风险的医疗诊断场景中，模型给出答案的“原因”往往比答案本身更重要。该管线在每个阶段都生成了可检查的中间结果，从最初的提取事实、检索的文献，到最终的证据 triangulation（三角验证）。这些中间产物为医生提供了一个透明的“痕迹”，使得诊断过程可追踪、可复现。
这种设计对于构建医生对AI的信任至关重要。当AI给出一个诊断建议时，医生可以追溯它是基于哪些症状提取的，查阅了哪些文献，以及是如何排除其他可能性的。这种“玻璃门”式的透明度，弥补了大模型常被诟病的“黑盒”特性。在医疗纠错或责任归属的语境下，这种可审计的证据链条具有不可估量的价值，它将AI从一个简单的“预测工具”提升为一个可参与临床决策的“助手”。
展望：从竞技场到临床的跨越
展望未来，DeepLens Diagnosis Agent的成功经验将超越单纯的模型竞技意义。它证明了“Harnessing”（利用）比单纯追求模型参数量更为重要的策略。在数据有限、计算资源受限的现实场景下，如何通过精心设计的流程，最大化现有模型的性能，将成为AI工程师的核心课题。这种思路的转变，可能会催生出一系列针对特定领域（如法律、金融、工程设计等）的“专精代理”。
此外，该研究还指出，工作流约束可以超越参数量和API成本的限制。这意味着，未来的竞争不再仅仅是“谁的模型参数更大、API费用更高”，而是“谁能设计出更高效、更智能的工作流”。对于医疗AI而言，DeepLens提供的不仅仅是一个高准确率的诊断工具，更是一条通往可信、可审计、高效率临床辅助系统的捷径。它证明了在正确的框架下，即使是相对“轻量”的模型，也能在复杂的决策任务中发挥巨大作用，为AI在关键领域的落地指明了方向。