浪潮旗下YuanLab.ai團(tuán)隊(duì)近日宣布開源發(fā)布多模態(tài)基礎(chǔ)大模型Yuan 3.0 Flash，該模型憑借400億參數(shù)規(guī)模與創(chuàng)新的稀疏混合專家（MoE）架構(gòu)，在推理效率與成本控制方面實(shí)現(xiàn)突破性進(jìn)展。單次推理僅需激活約37億參數(shù)，顯著降低了算力需求，為企業(yè)級(jí)應(yīng)用提供了更經(jīng)濟(jì)的解決方案。

模型核心創(chuàng)新在于引入強(qiáng)化學(xué)習(xí)訓(xùn)練方法RAPO，通過反思抑制獎(jiǎng)勵(lì)機(jī)制（RIRM）優(yōu)化訓(xùn)練流程。這一設(shè)計(jì)有效減少了無效反思行為，在提升推理準(zhǔn)確性的同時(shí)，將token消耗壓縮至行業(yè)領(lǐng)先水平的1/4至1/2。語言主干網(wǎng)絡(luò)采用局部過濾增強(qiáng)注意力結(jié)構(gòu)（LFA）與MoE架構(gòu)的雙重優(yōu)化，既保證了注意力精度，又進(jìn)一步降低了訓(xùn)練與推理的算力開銷。

多模態(tài)處理能力方面，Yuan 3.0 Flash構(gòu)建了視覺編碼器、語言主干網(wǎng)絡(luò)與多模態(tài)對(duì)齊模塊的協(xié)同體系。視覺信號(hào)經(jīng)編碼器轉(zhuǎn)化為token后，與語言token共同輸入主干網(wǎng)絡(luò)，通過跨模態(tài)對(duì)齊模塊實(shí)現(xiàn)特征高效融合。特別設(shè)計(jì)的自適應(yīng)圖像分割機(jī)制，在支持高分辨率圖像理解的同時(shí)，將顯存需求降低30%以上，為復(fù)雜場景應(yīng)用掃清硬件障礙。

實(shí)測數(shù)據(jù)顯示，在企業(yè)場景的RAG（ChatRAG）、多模態(tài)檢索（Docmatix）、表格理解（MMTab）及摘要生成（Summeval）等任務(wù)中，Yuan 3.0 Flash的表現(xiàn)已超越GPT-5.1。在多模態(tài)推理與語言推理評(píng)測中，其400億參數(shù)版本精度接近2350億參數(shù)的Qwen3-VL235B-A22B與6710億參數(shù)的DeepSeek-R1-0528，但token消耗僅為后兩者的1/4至1/2，展現(xiàn)出極高的性價(jià)比優(yōu)勢。

目前，Yuan 3.0 Flash已全面開源，全系列模型參數(shù)與訓(xùn)練代碼均開放免費(fèi)下載。開發(fā)團(tuán)隊(duì)表示，此舉旨在推動(dòng)多模態(tài)大模型在工業(yè)界的普及應(yīng)用，通過降低技術(shù)門檻與使用成本，加速AI技術(shù)向?qū)嶓w經(jīng)濟(jì)滲透。開源地址已同步公布，供全球開發(fā)者與研究機(jī)構(gòu)自由使用。