源 Yuan3.0Flash：开源多模态基础大模型掀起 AI 新风潮

近日，YuanLab.ai 团队面向社区推出了源 Yuan3.0Flash 多模态基础大模型，并以开源形式发布，为 AI 领域带来新的机遇。该模型同时提供 16bit 与 4bit 模型权重，附带详尽的技术报告与训练方法，便于社区进行二次开发与行业定制，大幅推动 AI 技术落地。

Yuan3.0Flash 具备 40B 参数规模，采用创新的稀疏混合专家（MoE）架构，推理阶段仅激活约 3.7B 参数。此设计在提升推理准确性的同时，显著降低算力消耗，体现“更少算力、更高智能”的理念。此外，模型引入强化学习训练方法（RAPO），配合反思抑制奖励机制（RIRM），有效引导模型减少无效反思，进一步增强性能。

在架构层面，Yuan3.0Flash 由视觉编码器、语言主干网络与多模态对齐模块构成。语言主干引入局部过滤增强的 Attention 结构（LFA）与混合专家（MoE），在保障注意力精度的前提下，显著降低训练与推理的算力开销。视觉编码器可将视觉信号转为 token，与语言 token 一同输入，实现高效的跨模态特征对齐。

在实际应用中，Yuan3.0Flash 在企业场景表现已超越 GPT-5.1，尤其在 RAG（ChatRAG）、多模态检索（Docmatix）及多模态表格理解（MMTab）等任务上展现出显著优势。在多模态与语言推理评测中，其精度接近更大规模模型，如 Qwen3-VL235B-A22B(235B) 与 DeepSeek-R1-0528(671B)，但 token 开销仅为后者的 1/4 到 1/2，显著降低企业大模型应用成本。

未来，源 Yuan3.0 将带来多个版本，包括 Flash、Pro 与 Ultra，参数规模覆盖 40B、200B 与 1T，为更多应用场景提供选择。

划重点:

🌟 Yuan3.0Flash 为开源的 40B 级多模态基础模型，提供多种权重与详尽技术资料。  

💡 采用稀疏混合专家架构，在保证效果的同时显著降低推理算力，智能表现更优。  

🚀 在企业应用中已超越 GPT-5.1，具备突出的多模态推理能力，显著降低使用成本。