yuanlab.ai 团队正式对外开源 源 yuan3.0 flash 多模态基础大模型。本次发布涵盖完整模型权重（支持16bit与4bit量化版本）、详尽技术白皮书、全流程训练方案及全面评测数据，全面开放社区进行后续微调、二次训练与垂直领域定制化开发。
据官方说明，Yuan3.0 Flash 是一款参数量达40B的多模态基础大模型，基于稀疏混合专家（MoE）架构设计，单次前向推理仅动态激活约3.7B参数。该模型首次提出并落地强化学习优化范式 RAPO（Reflection-Aware Policy Optimization），并创新引入反思抑制奖励机制（RIRM），从训练源头约束模型减少冗余反思行为，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。
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-5.1，展现出更强的产业适配性与实用价值。
使用AIsa生成图像与视频。仅需一个API密钥即可调用Gemini 3 Pro Image（图像）和Qwen Wan 2.6（视频）。
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-VL235B-A22B（235B）与 DeepSeek-R1-0528（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
