近日，YuanLab.ai 团队正式发布了源 Yuan3.0Flash 多模态基础大模型，这一模型的开源将为 AI 领域带来新的机遇。该模型不仅包括16bit 与4bit 的模型权重，还提供了详细的技术报告和训练方法，支持社区进行二次开发和行业定制，极大地促进了 AI 技术的普及。
Yuan3.0Flash 的参数规模达到40B，采用了创新的稀疏混合专家（MoE）架构，在推理过程中，仅激活约3.7B 的参数。这种设计不仅提高了推理的准确性，还大幅降低了算力消耗，体现了 “更少算力、更高智能” 的理念。此外，模型还引入了强化学习训练方法(RAPO)，通过反思抑制奖励机制(RIRM)，有效地引导模型减少无效反思，进一步提升了性能。
在模型的结构上，Yuan3.0Flash 由视觉编码器、语言主干网络和多模态对齐模块组成。语言主干网络采用了局部过滤增强的 Attention 结构（LFA）和混合专家结构(MoE)，在保证注意力精度的同时，显著减少了训练和推理过程中的算力开销。视觉编码器能够将视觉信号转化为 token，与语言 token 共同输入，从而实现高效的跨模态特征对齐。
在实际应用方面，Yuan3.0Flash 在企业场景中的表现已超越了 GPT-5.1，特别是在 RAG（ChatRAG）、多模态检索(Docmatix)以及多模态表格理解(MMTab)等任务上，展现了显著的能力优势。多模态推理与语言推理的评测中，该模型的精度接近于更大规模的模型，如 Qwen3-VL235B-A22B(235B)和 DeepSeek-R1-0528(671B)，但其 token 消耗仅为后者的1/4到1/2，有效降低了企业在大模型应用上的成本。
未来，源 Yuan3.0将推出多个版本，包括 Flash、Pro 和 Ultra，参数规模涵盖40B、200B 和1T 等选择，进一步丰富了 AI 模型的应用可能性。
划重点:
🌟 Yuan3.0Flash 是一款开源的40B 参数规模多模态基础大模型，包含多种模型权重和详细的技术报告。
💡 该模型采用创新的稀疏混合专家架构，推理过程显著降低算力消耗，提升智能表现。
🚀 在企业应用中，Yuan3.0Flash 已超越 GPT-5.1，展现出优秀的多模态推理能力，降低了应用成本。
