源 Yuan 3.0 Flash 基本大年夜模型开源宣布

YuanLab.ai 团队正式开源宣布 源 Yuan3.0 Flash 多模态基本大年夜模型。包含模型权重（16bit与4bit模型）、技巧申报，完全的练习办法与评测成果，支撑社区在此基本长进行二次练习与行业定制。

根据介绍，Yuan3.0 Flash 是一款 40B 参数范围的多模态基本大年夜模型，采取稀少混淆专家（MoE）架构，单次推理仅激活约 3.7B 参数。Yuan3.0 Flash立异性地提出和采取了强化进修练习办法（RAPO），经由过程反思克制嘉奖机制（RIRM），从练习层面引导模型削减无效反思，在晋升推理精确性的同时，大年夜幅紧缩了推理过程的 token 消费，明显降低算力成本，在 “更少算力、更高智能” 的大年夜模型优化路径上更进一步。

Yuan3.0 Flash 由视觉编码器、说话骨干收集以及多模态对齐模块构成。说话骨干收集采取局部过滤加强的Attention构造（LFA）和混淆专家（MoE）构造，在晋升留意力精度的同时，明显降低练习与推理的算力开销。

通知布告称，在企业场景的 RAG（ChatRAG）、多模态检索（Docmatix）、多模态表格懂得（MMTab）、摘要生成（SummEval）等义务中，Yuan3.0 Flash 的表示已优于 GPT-5.1，表现出其在企业应用处景中的明显才能优势。

多模态方面，采取视觉编码器，将视觉旌旗灯号转化为token，与说话token一路输入到说话骨干收集，经由过程多模态对齐模块实现高效、稳定的跨模态特点对齐。同时，引入自适应图像瓜分机制，在支撑高分辨率图像懂得的同时，有效降低显存需求及算力开销。

在多模态推理与说话推理评测中，Yuan3.0 Flash（40B）精度接近Qwen3-VL235B-A22B（235B）与DeepSeek-R1-0528（671B），但 token 消费仅约为其 1/4 ~ 1/2，明显降低了企业大年夜模型应用成本。

源Yuan 3.0基本大年夜模型将包含Flash、Pro和Ultra等版本，模型参数量为40B、200B和1T等。