源 Yuan3.0Flash：开源多模态基础模型掀起 AI 新风潮

YuanLab.ai 团队近日官宣推出“源 Yuan3.0Flash”多模态基础大模型。随着全面开源，AI 领域迎来新的机会。该模型同步提供 16bit 与 4bit 权重，并附带详尽的技术报告与训练流程，支持社区进行二次开发与行业级定制，加速 AI 技术的普及与落地。

Yuan3.0Flash 的参数规模为 40B，采用创新的稀疏混合专家（MoE）架构，在推理时仅约有 3.7B 参数被激活。该设计既提升推理准确性，又显著降低算力开销，践行“更少算力、更高智能”的理念。同时，模型引入 RAPO 强化学习方法，并通过反思抑制奖励机制（RIRM），有效减少无效反思，进一步增强整体性能。

在架构方面，Yuan3.0Flash 由视觉编码器、语言主干网络与多模态对齐模块构成。语言主干采用局部过滤增强的 Attention（LFA）与混合专家（MoE）结构，在确保注意力精度的同时，大幅降低训练与推理中的算力消耗。视觉编码器会把视觉信息转为 token，与文本 token 一起输入，实现高效的跨模态特征对齐。

在实际应用层面，Yuan3.0Flash 在企业场景中的表现已优于 GPT-5.1，尤其在 RAG（ChatRAG）、多模态检索（Docmatix）以及多模态表格理解（MMTab）等任务上展现出明显优势。在多模态推理与语言推理评测中，其精度接近更大规模模型，例如 Qwen3-VL235B-A22B（235B）与 DeepSeek-R1-0528（671B），同时所需 token 仅为后者的 1/4 到 1/2，有效降低企业使用大模型的成本。

未来，“源 Yuan3.0”还将推出 Flash、Pro 与 Ultra 多个版本，参数规模覆盖 40B、200B 与 1T，为不同应用场景提供更丰富的选择。

划重点:

🌟 Yuan3.0Flash 开源发布，40B 规模的多模态基础模型，提供多种权重与完整技术资料。  

💡 采用稀疏混合专家架构，推理更省算力、更高效，智能表现同步提升。  

🚀 面向企业场景表现出色，已优于 GPT-5.1，多模态推理能力强，显著降低应用成本。