一句话看懂：2025年公开的MILK10k数据集上，一项个人测试显示，经微调的2015年Inception v3卷积网络在200例活检确认皮损中诊断准确率62%，高于GPT-6 Astra和Claude Fable 5.1的42%，引发“专用小模型是否仍优于通用大模型”的讨论。
事件核心：发生了什么
素材来自lynchlab.net，原始发布时间为2026年10月25日。作者从MILK10k随机抽取200例经组织病理学确认的皮损，每例含临床照片和皮肤镜图像，要求三个模型在6种诊断中作答并判断能否安全出院。结果：Inception v3答对125例（62%），GPT-6 Astra答对84例（42%），Claude Fable 5.1答对85例（42%）。黑色素瘤识别上，CNN为13/30，Claude为11/30，GPT-6仅8/30。需注意，这是作者单方设计的对比测试，并非同行评审研究或产品公告。
为什么重要
它提醒行业：通用大模型在视觉细分任务上不一定优于针对领域数据微调的专用CNN。CNN训练数据仅来自公开ISIC Archive，用单张H100微调约20分钟，并能以WebGPU在手机浏览器本地推理；前沿LLM则依赖API调用。若类似结果在更大样本中复现，医疗影像等垂直场景的模型选型逻辑可能更偏向“小模型+高质量标注”，而非一味追求参数量。
对用户/开发者/创作者的影响
开发者可重新评估图像分类链路：先用领域数据微调轻量CNN做初筛，再让大模型处理报告生成和解释，兼顾成本与延迟。医疗AI产品团队应关注数据去重和外部验证，因为该测试中训练集已剔除同一患者图像。普通用户不宜据此自行判断皮肤病变；作者也强调测试样本均为活检病例，难度高于常规筛查。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
目前公开信息显示，这只是单一实验室的200例对比，后续值得观察三点：是否有更大规模、多中心复现；GPT-6与Claude在医学图像上的多模态能力是否更新；以及此类端侧CNN能否进入合规医疗器械审批流程。
来源：lynchlab.net
