MANTA-27B

MANTA-27B

根据文字或图像，一次性为医学问题的各个答案选项打分，不生成文字。这是斯坦福 Gevaert 实验室的研究模型，不是医疗器械。

由 gevaertlab 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：MANTA-27B 是斯坦福大学计算医学系 Gevaert 实验室开发的医学决策模型。你给它一张医学图像或一段文字，以及带答案选项的问题。每个问题的每个选项都会从一次网络运行中得到各自的概率，并且不输出文字。

适合谁：如果你研究医学问答，并想要经过校准的选项概率，它就适合你。模型卡称它是研究模型，不是医疗器械。

行业 | 谁在用 | 怎么用 | 例子
医学 AI 研究 | 计算医学团队 | 一次推理就为医学问题的答案选项打分 | 运行带文字或图像的考试式问题并读取概率
健康科技 | 原型设计决策支持的团队 | 在自己的数据上测试，由临床医生审核结果 | 在私有数据集上把它的概率和专家答案对比
医学教育研究 | 研究考试题目的团队 | 用 MedQA 和 MedMCQA 这类题库做基准测试 | 测量一组选择题的准确率

如果你需要会写文字的模型、要做患者决策，或者你的机器没有大显存 GPU，可以跳过它。

用在哪里：

• 一台带 GPU 的机器，显存约 60 GB
• 装有 transformers 库的 Python
• 装有 Python 的 Windows、macOS 和 Linux，用来下载文件
• 给它输入问题和选项的研究评测脚本

用例 | 谁 | 得到什么
医学问题打分 | 研究人员 | 每个答案选项的概率
基准测试 | 评测团队 | 可与其他模型对比的准确率数字
图像和文字问题 | 医学 AI 团队 | 来自图像或文字输入的选项概率

如何设置：
你需要先准备：

• Windows、macOS 或 Linux 上的 Python
• 约 60 GB 显存的 GPU，因为 BF16 权重有 55.0 GB
• 放权重的磁盘空间，权重分成 12 个 safetensors 分片

1. 安装或更新 Hugging Face 下载客户端。
2. 把这个仓库的文件下载到你的电脑。
3. 到模型卡查看加载和运行的步骤，这里的文字里没有它们。

pip install -U huggingface_hub
hf download gevaertlab/MANTA-27B

如何使用：你传入一张医学图像或一段文字、一组问题以及每个问题的答案选项。每个选项都会从一次模型运行中得到各自的概率。

工具 | 作用
pip install -U huggingface_hub | 安装或更新 Hugging Face 的下载客户端
hf download | 把模型仓库的文件下载到你的电脑

示例：你以文字形式传入一道带四个答案选项的医学考试选择题。模型返回四个概率，每个选项一个，没有文字解释。任何结果仍应由临床医生检查。

新手与专家：MANTA 不是聊天机器人。它在你提供的选项中做选择，并说明每个选项的可能性有多大。可以先读模型页面，再用上面的两条命令获取文件。

对熟悉这个领域的读者来说，它以视觉语言模型 Qwen3.8-27B 为基础，接上一个新训练的决策头，直接给每个选项打分。语言塔和视觉塔都经过端到端调整，使概率保持校准。训练用了约 850 万条决策请求，其中 68% 是医学相关，模型卡报告域内 ECE-15 为 0.021。

提供医学图像或文字
添加问题和答案选项
骨干网络对输入编码
决策头给每个选项打分
返回每个选项的概率

注意事项：

• 研究用途：模型卡说，没有独立验证和临床医生审核，不要把输出用于诊断、治疗或患者决策。
• 姊妹模型：MANTA-4B 需要约 16 GB 显存，中位延迟 68 ms，在模型卡的医学基准上得分 85.3%。
• 这个版本：约 60 GB 显存，中位延迟 148 ms，在同一基准上得分 86.0%。
• 结果：这些数字来自作者自己的评测，请在你自己的数据上检验。

Title: 模型卡 6,700 道医学决策题上的准确率
MANTA-27B: 86.1 %
Gemini 3.8 Flash: 76.0 %
Claude Sonnet 5.5: 74.6 %
GPT-6 Luna (chat): 62.4 %
MedGemma 27B (local): 52.3 %

• License: Apache 2.0。
• Cost to run: 未提及。你需要一块约 60 GB 显存的 GPU。
• Data it reaches: 你传入的医学文字或图像。这里的文字没有提到联网使用。
• Not for: 诊断、治疗或任何没有独立验证的患者决策，也不用于写文字。

Hugging Face 上的数据（2026年11月13日）

• 任务：text classification
• 框架：transformers
• 参数量：27.5B
• Weights: about 55 GB in BF16; about 13.7 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：46
• 点赞：4
• 许可证：apache-2.0
• 语言：en
• 标签：transformers, safetensors, manta, feature-extraction, medical, decision-model, classification, calibration, multimodal, vision, radiology, pathology

链接

• 模型：https://huggingface.co/gevaertlab/MANTA-27B
• 文件：https://huggingface.co/gevaertlab/MANTA-27B/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download gevaertlab/MANTA-27B

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。