近日，YuanLab.ai 團隊正式發佈了源 Yuan3.0Flash 多模態基礎大模型，這一模型的開源將爲 AI 領域帶來新的機遇。該模型不僅包括16bit 與4bit 的模型權重，還提供了詳細的技術報告和訓練方法，支持社區進行二次開發和行業定製，極大地促進了 AI 技術的普及。

image.png

Yuan3.0Flash 的參數規模達到40B，採用了創新的稀疏混合專家（MoE）架構，在推理過程中，僅激活約3.7B 的參數。這種設計不僅提高了推理的準確性，還大幅降低了算力消耗，體現了 “更少算力、更高智能” 的理念。此外，模型還引入了強化學習訓練方法(RAPO)，通過反思抑制獎勵機制(RIRM)，有效地引導模型減少無效反思，進一步提升了性能。

在模型的結構上，Yuan3.0Flash 由視覺編碼器、語言主幹網絡和多模態對齊模塊組成。語言主幹網絡採用了局部過濾增強的 Attention 結構（LFA）和混合專家結構(MoE)，在保證注意力精度的同時，顯著減少了訓練和推理過程中的算力開銷。視覺編碼器能夠將視覺信號轉化爲 token，與語言 token 共同輸入，從而實現高效的跨模態特徵對齊。

在實際應用方面，Yuan3.0Flash 在企業場景中的表現已超越了 GPT-5.1，特別是在 RAG（ChatRAG）、多模態檢索(Docmatix)以及多模態表格理解(MMTab)等任務上，展現了顯著的能力優勢。多模態推理與語言推理的評測中，該模型的精度接近於更大規模的模型，如 Qwen3-VL235B-A22B(235B)和 DeepSeek-R1-0528(671B)，但其 token 消耗僅爲後者的1/4到1/2，有效降低了企業在大模型應用上的成本。

未來，源 Yuan3.0將推出多個版本，包括 Flash、Pro 和 Ultra，參數規模涵蓋40B、200B 和1T 等選擇，進一步豐富了 AI 模型的應用可能性。

劃重點:

🌟 Yuan3.0Flash 是一款開源的40B 參數規模多模態基礎大模型，包含多種模型權重和詳細的技術報告。  

💡 該模型採用創新的稀疏混合專家架構，推理過程顯著降低算力消耗，提升智能表現。  

🚀 在企業應用中，Yuan3.0Flash 已超越 GPT-5.1，展現出優秀的多模態推理能力，降低了應用成本。