融资
Knit Health完成3500万美元A轮融资,扩大Med-BEAM的部署

要点Knit Health完成了由NEA领投的3500万美元A轮融资,以扩大Med-BEAM的部署。
查看更多
- Knit Health完成了由NEA领投的3500万美元A轮融资,以扩大Med-BEAM的部署。
- 在预测下一步临床操作方面,Med-BEAM对Claude模型的平均精确率为0.565。
- Knit旨在提供一个共享的临床智能基础,而不是拥有每一个工作流程。
Knit Health于2026年11月16日宣布,公司已完成由NEA领投的3500万美元A轮融资,将用于扩充科学和工程团队,并在更多临床场景部署其医疗世界模型Med-BEAM。Frist Cressey Ventures、Town Hall Ventures和SignalFire也参与了本轮融资;Uncork、Moxxie、Aligned Fund和Coalition Operators则继续提供支持。
Knit将Med-BEAM描述为一种医疗领域的世界模型,利用数十亿项医疗决策和数亿份患者记录进行训练,学习病情如何发展、临床医生会采取哪些措施,以及不同干预措施会带来什么后果。该模型的初期应用包括患者就医导航、专科转诊、预约安排和医院运营;它旨在为服务患者、临床医生和AI智能体的语言模型提供临床背景信息。
协调转诊与共享平台
Knit瞄准的是帮助患者对接现有医疗服务的机制:转诊在很大程度上依赖专业人士之间的关系,预约安排受僵化规则和号源情况制约,而临床路径则依赖简化的分类和评分。公司认为,这些机制可能导致患者迟迟得不到适合的医疗服务,同时临床医生把时间花在其他人可以更高效完成的工作上。Knit举例说,一位外科医生的门诊排满了不需要手术的患者,而可能从手术中获益的患者却要等待数周甚至数月。
Knit计划提供共享的临床智能基础,而不是自行掌控每一款应用或每一套工作流程。医疗系统、科技公司和开发者可以在此基础上构建产品,无须各自独立开发底层智能;这也使Knit的平台作用超越了最初的患者导航和运营产品。
早期基准测试结果及其局限
另一份于2026年11月16日发布的基准测试文档将Med-BEAM与Anthropic的Claude Opus 4.8、Claude Sonnet 5和Claude Haiku 4.5进行了测试。测试任务使用了200名从急诊科收入院的患者记录,这些记录均未用于训练Med-BEAM。
研究人员向各模型提供每名患者截至入院时的病史以及一份完整的可能行动清单,要求模型预测接下来24小时内用药、手术操作、实验室检查医嘱、影像检查、护理措施和转诊等方面会发生什么。研究人员没有预先选定任何特定结果。
Knit报告称,Med-BEAM的平均精确率为0.565。该指标取值范围为0至1,用于衡量各模型对实际发生的医疗服务进行排序的准确程度。Opus 4.8的得分为0.228,Sonnet 5为0.222,Haiku 4.5为0.124;在这项任务中,Med-BEAM的表现高出2.48至4.56倍。
速度和成本比较采用了不同的方法。实测语言模型响应时间从Haiku 4.5的216秒到Opus 4.8的408秒不等,Sonnet 5则为307秒;Med-BEAM约两秒的响应时间是估算的处理时间。Knit估算,Med-BEAM的单患者成本比语言模型低37至257倍。语言模型的成本依据这些模型在Anthropic基准测试中的实际用量和公布费率计算;Med-BEAM的成本则根据推理时间和每小时计算成本计算,并乘以三,以匹配服务提供商的利润率。
Knit将此次评估称为针对一项明确定义的预测任务取得的初步成果,并计划在更多任务、模型和临床场景中开展更广泛的基准测试。这一区别十分重要:预测后续临床行动是对该模型的早期测试,而公司的因果人工智能目标关注的是,不同决策会如何改变患者结局。
此前融资与公司背景
据公司于2026年5月12日发布的介绍,本轮A轮融资之前,公司曾完成1160万美元的种子轮融资,由Uncork Capital和Frist Cressey Ventures共同领投。Moxxie Ventures领投了种子前轮融资,Coalition Operators也参与其中。Knit是加州大学伯克利分校的衍生公司;其早期模型使用了覆盖1.3亿多名患者的Truveta数据,以学习真实的临床实践模式。
因此,扩大评估是本轮融资目的的核心:Knit的临床部署和共享开发者基础,取决于能否将早期预测优势转化为转诊和运营工具,并确保这些工具适用于拥有不同临床医生、资源和实践模式的各类机构。












