YuanLab.ai 团队正式开源发布 源 Yuan3.0 Flash 多模态基础大模型。包括模型权重（16bit与4bit模型）、技术报告，完整的训练方法与评测结果，支持社区在此基础上进行二次训练与行业定制。

根据介绍，Yuan3.0 Flash 是一款 40B 参数规模的多模态基础大模型，采用稀疏混合专家（MoE）架构，单次推理仅激活约 3.7B 参数。Yuan3.0 Flash创新性地提出和采用了强化学习训练方法（RAPO），通过反思抑制奖励机制（RIRM），从训练层面引导模型减少无效反思，在提升推理准确性的同时，大幅压缩了推理过程的 token 消耗，显著降低算力成本，在 “更少算力、更高智能” 的大模型优化路径上更进一步。

Yuan3.0 Flash 由视觉编码器、语言主干网络以及多模态对齐模块组成。语言主干网络采用局部过滤增强的Attention结构（LFA）和混合专家（MoE）结构，在提升注意力精度的同时，显著降低训练与推理的算力开销。

多模态方面，采用视觉编码器，将视觉信号转化为token，与语言token一起输入到语言主干网络，通过多模态对齐模块实现高效、稳定的跨模态特征对齐。同时，引入自适应图像分割机制，在支持高分辨率图像理解的同时，有效降低显存需求及算力开销。

公告称，在企业场景的 RAG（ChatRAG）、多模态检索（Docmatix）、多模态表格理解（MMTab）、摘要生成（SummEval）等任务中，Yuan3.0 Flash 的表现已优于 GPT-5.1，体现出其在企业应用场景中的明显能力优势。

在多模态推理与语言推理评测中，Yuan3.0 Flash（40B）精度接近Qwen3-VL235B-A22B（235B）与DeepSeek-R1-0528（671B），但 token 消耗仅约为其 1/4 ~ 1/2，显著降低了企业大模型应用成本。

源Yuan 3.0基础大模型将包含Flash、Pro和Ultra等版本，模型参数量为40B、200B和1T等。