YuanLab.ai 团队正式宣布开源其 Yuan3.0 Flash 多模态基础大模型。此次发布不仅提供了完整的模型权重（支持16bit与4bit量化版本）、详尽的技术白皮书、全程训练方案及全面评测数据，更将全面开放社区后续微调、二次训练与垂直领域定制化开发权限。

据官方资料，Yuan3.0 Flash 是一款参数量达400亿的多模态基础模型。它基于稀疏混合专家（MoE）架构设计，其单次前向推理仅动态激活约37亿参数。该模型首次提出并落地强化学习优化范式 RAPO（反思感知策略优化），并创新引入反思抑制奖励机制（RIRM），从训练源头约束模型以减少多余反思行为。在保障甚至提升逻辑推理准确率的同时，显著削减推理阶段的 token 生成量，从而大幅压缩计算资源消耗，在“低算力开销、高智能水平”的大模型演进方向上实现了关键突破。

Yuan3.0 Flash 整体由三大部分构成：高性能视觉编码器、高效语言主干网络，以及鲁棒的多模态对齐模块。其中，语言主干采用局部过滤增强型注意力机制（LFA）与MoE结构协同设计，在提升注意力建模精度的基础上，有效缓解训练与推理过程中的显存压力与算力负担。

在多模态融合方面，模型通过视觉编码器将图像信息编码为统一语义token，与文本token共同输入语言主干，并借助多模态对齐模块完成跨模态特征的精准、稳定映射。此外，系统集成了自适应图像分块策略，既可支撑超高分辨率图像理解任务，又可显著降低GPU显存占用与整体计算开销。

官方公告指出，在面向企业级落地的关键任务中——包括RAG增强对话（ChatRAG）、多模态文档检索（Docmatix）、多模态表格解析（MMTab）以及智能摘要生成（SummEval）——Yuan3.0 Flash 的综合性能已超越 GPT-4，展现出更强的产业适配性与实用价值。

在权威多模态推理与纯语言理解评测中，Yuan3.0 Flash（40B）的精度表现逼近 Qwen3-VL（235B）与 DeepSeek-R1（671B）等超大规模模型，但其平均 token 消耗仅为上述模型的 1/4 至 1/2，为企业部署轻量高效的大模型解决方案提供了全新选择。

源 Yuan 3.0 系列基础模型将按能力与规模划分为 Flash、Pro 和 Ultra 三大版本，对应参数量分别为 40B、200B 与 1T，满足不同场景下的性能与成本需求。

源码获取地址：点击下载