YuanLab.ai 團隊正式開源發佈 源 Yuan3.0 Flash 多模態基礎大模型。包括模型權重（16bit與4bit模型）、技術報告，完整的訓練方法與評測結果，支持社區在此基礎上進行二次訓練與行業定製。

根據介紹，Yuan3.0 Flash 是一款 40B 參數規模的多模態基礎大模型，採用稀疏混合專家（MoE）架構，單次推理僅激活約 3.7B 參數。Yuan3.0 Flash創新性地提出和採用了強化學習訓練方法（RAPO），通過反思抑制獎勵機制（RIRM），從訓練層面引導模型減少無效反思，在提升推理準確性的同時，大幅壓縮了推理過程的 token 消耗，顯著降低算力成本，在 “更少算力、更高智能” 的大模型優化路徑上更進一步。

Yuan3.0 Flash 由視覺編碼器、語言主幹網絡以及多模態對齊模塊組成。語言主幹網絡採用局部過濾增強的Attention結構（LFA）和混合專家（MoE）結構，在提升注意力精度的同時，顯著降低訓練與推理的算力開銷。

多模態方面，採用視覺編碼器，將視覺信號轉化為token，與語言token一起輸入到語言主幹網絡，通過多模態對齊模塊實現高效、穩定的跨模態特徵對齊。同時，引入自適應圖像分割機制，在支持高分辨率圖像理解的同時，有效降低顯存需求及算力開銷。

公告稱，在企業場景的 RAG（ChatRAG）、多模態檢索（Docmatix）、多模態表格理解（MMTab）、摘要生成（SummEval）等任務中，Yuan3.0 Flash 的表現已優於 GPT-5.1，體現出其在企業應用場景中的明顯能力優勢。

在多模態推理與語言推理評測中，Yuan3.0 Flash（40B）精度接近Qwen3-VL235B-A22B（235B）與DeepSeek-R1-0528（671B），但 token 消耗僅約為其 1/4 ~ 1/2，顯著降低了企業大模型應用成本。

源Yuan 3.0基礎大模型將包含Flash、Pro和Ultra等版本，模型參數量為40B、200B和1T等。