源 Yuan3.0Flash：开源多模态基座模型掀起 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，并同步开源。除提供 16bit 与 4bit 的模型权重外，还附上完整技术报告与训练流程，便于社区开展二次开发与行业化定制，加速 AI 技术的落地与普及。

Yuan3.0Flash 拥有 40B 参数规模，采用稀疏混合专家（MoE）架构，推理时仅激活约 3.7B 参数。该设计在保证推理准确性的同时显著降低算力开销，践行“更少算力、更高智能”的思路。模型还引入强化学习训练范式（RAPO），并通过反思抑制奖励机制（RIRM）有效减少无效反思，进一步提升整体表现。

在整体架构上，Yuan3.0Flash 由视觉编码器、语言主干网络以及多模态对齐模块构成。语言主干采用带局部过滤增强的 Attention（LFA）与混合专家结构（MoE）组合，在确保注意力计算精度的前提下，大幅降低训练与推理的资源消耗。视觉编码器将视觉信号转化为 token，与语言 token 一同输入，实现高效的跨模态特征对齐。

在落地应用中，Yuan3.0Flash 在企业场景的综合表现已优于 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。于多模态推理与语言推理评测中，其精度逼近更大参数规模的模型，如 Qwen3-VL235B-A22B（235B）和 DeepSeek-R1-0528（671B），同时 token 消耗仅为后者的 1/4 到 1/2，显著降低企业使用成本。

后续，“源 Yuan3.0”将持续迭代，计划推出 Flash、Pro 与 Ultra 多个版本，覆盖 40B、200B、1T 等不同参数规模，进一步拓展模型在各类应用中的可能性。

划重点:

🌟 Yuan3.0Flash 是一款开源的 40B 级多模态基础模型，提供多种权重与详尽技术文档。  

💡 采用创新稀疏混合专家架构，推理耗算显著下降，智能表现更强。  

🚀 在企业级应用中表现出色，已超越 GPT-5.1，多模态推理能力突出并有效降低成本。