12 月 31 日消息，浪潮旗下 YuanLab.ai 团队 12 月 30 日开源发布源 Yuan 3.0 Flash 多模态基础大模型。

Yuan 3.0 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。

Yuan 3.0 Flash 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，降低算力成本。

Yuan 3.0 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，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，降低显存需求及算力开销。

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,Yuan 3.0 Flash 的表现已优于 GPT-5.1。

在多模态推理与语言推理评测中，Yuan 3.0 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，降低了企业大模型应用成本。

Yuan 3.0 Flash 全面开源，全系列模型参数和代码均可免费下载使用，附开源地址如下：

https://github.com/Yuan-lab-LLM/Yuan3.0

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，所有文章均包含本声明。