Resposta curta
AntAngelMed é um modelo de linguagem médico open-source desenvolvido pela Ant Healthcare com o Centro de Informação em Saúde de Zhejiang (China). É um MoE de 103B parâmetros totais com apenas 6,1B ativos por inferência — o que o torna rápido (>200 tokens/s) e barato de operar. Licença Apache-2.0, 128K de contexto.
TL;DR
- Arquitetura MoE baseada no Ling-flash-2.0 (inclusionAI), razão de ativação 1/32.
- 1º lugar geral no MedBench v4, liderando em 5 dimensões; 1º entre open-source no HealthBench (com vantagem expressiva no subconjunto Hard).
- 103B totais / 6,1B ativos → inferência de modelo grande a custo de modelo pequeno.
- Contexto 128K (YaRN); >200 tok/s em H20; versão FP8 e GGUF comunitários disponíveis.
- Treino em 3 estágios: continued pretraining médico → SFT heterogêneo (matemática, código, diálogo clínico) → RL com GRPO e reward models específicos.
- Lançado em 12/12/2025 (Hugging Face: MedAIBase/AntAngelMed).
Por que MoE muda a conta do modelo médico
O dilema de hospedar IA médica é: modelo grande é bom demais e caro demais; modelo pequeno cabe no orçamento e erra. O AntAngelMed quebra o dilema com Mixture-of-Experts: 103B de conhecimento armazenado, mas só 6,1B ativados por token. Na prática, qualidade de modelo de 100B com throughput de modelo de 6B — mais de 200 tokens/s numa H20. Para um hospital ou uma healthtech, isso significa triagem clínica, resumo de prontuário e apoio à decisão rodando em infraestrutura própria, sem dado de paciente saindo do perímetro.
O que os benchmarks dizem
No MedBench v4 (o benchmark médico chinês mais rigoroso, com avaliação por médicos), o AntAngelMed ficou em 1º lugar geral, liderando em 5 dimensões. No HealthBench da OpenAI, é o melhor modelo open-source, com vantagem expressiva no subconjunto Hard — justamente os casos clínicos difíceis. O destaque declarado é em Q&A médico e em ética/segurança, dimensão que outros modelos costumam negligenciar.
O guardrail continua necessário
Ter o melhor benchmark médico não autoriza ninguém a exercer medicina. No Brasil: diagnóstico exige médico com registro no CFM (Lei 12.842/2013), telemedicina segue a Resolução CFM 2.314/2022, software com finalidade médica cai na RDC 657/2022 da ANVISA, e prontuário é dado pessoal sensível (LGPD art. 11). O papel do g.cloud é garantir que a saída do AntAngelMed — ou de qualquer modelo — atravesse o portão antes do humano: sem diagnóstico sem médico, sem dado sensível vazando, com recibo público de cada decisão.
Perguntas frequentes
- Q: O AntAngelMed é gratuito para uso comercial?
- A: Sim, Apache-2.0. Pesos abertos, modificação e auto-hospedagem permitidas.
- Q: Que hardware ele exige?
- A: BF16 completo: 8× Ascend 910B (64 GB) ou 4× Kunlun P800/PPU 810 (96 GB). INT4: 2× Ascend 910B. Há versão FP8 oficial e GGUF comunitário para llama.cpp.
- Q: Ele funciona em português?
- A: O treino é centrado em chinês e inglês. Para uso clínico no Brasil, prefira validação prévia — e mantenha o guardrail de escopo e o verificador de citação ativos.
- Q: Como integrar com o g.cloud?
- A: O AntAngelMed serve via vLLM/SGLang com API compatível com OpenAI; o g.cloud entra como proxy, SDK ou plugin de gateway, sem alterar o modelo.
Fatos-chave
- AntAngelMed: MoE 103B totais / 6,1B ativos, Apache-2.0, contexto 128K.
- 1º lugar MedBench v4; melhor open-source no HealthBench (destaque no Hard).
- >200 tokens/s em H20; FP8 oficial; GGUF comunitário (mradermacher).
- Desenvolvido por Ant Healthcare + Centro de Informação em Saúde de Zhejiang + Zhejiang Anzhen'er Medical AI.
Fontes
- AntAngelMed no Hugging Face
- AntAngelMed-FP8
- MedBench v4 (arXiv 2511.14439)
- Resolução CFM 2.314/2022
- RDC 657/2022 — ANVISA
Saiba mais em https://g.cloud