浪潮旗下YuanLab.ai團隊近日宣布開源發布多模態基礎大模型Yuan 3.0 Flash，該模型憑借400億參數規模與創新的稀疏混合專家（MoE）架構，在推理效率與成本控制方面實現突破性進展。單次推理僅需激活約37億參數，顯著降低了算力需求，為企業級應用提供了更經濟的解決方案。
模型核心創新在于引入強化學習訓練方法RAPO，通過反思抑制獎勵機制（RIRM）優化訓練流程。這一設計有效減少了無效反思行為，在提升推理準確性的同時，將token消耗壓縮至行業領先水平的1/4至1/2。語言主干網絡采用局部過濾增強注意力結構（LFA）與MoE架構的雙重優化，既保證了注意力精度，又進一步降低了訓練與推理的算力開銷。
多模態處理能力方面，Yuan 3.0 Flash構建了視覺編碼器、語言主干網絡與多模態對齊模塊的協同體系。視覺信號經編碼器轉化為token后，與語言token共同輸入主干網絡，通過跨模態對齊模塊實現特征高效融合。特別設計的自適應圖像分割機制，在支持高分辨率圖像理解的同時，將顯存需求降低30%以上，為復雜場景應用掃清硬件障礙。
實測數據顯示，在企業場景的RAG（ChatRAG）、多模態檢索（Docmatix）、表格理解（MMTab）及摘要生成（Summeval）等任務中，Yuan 3.0 Flash的表現已超越GPT-5.1。在多模態推理與語言推理評測中，其400億參數版本精度接近2350億參數的Qwen3-VL235B-A22B與6710億參數的DeepSeek-R1-0528，但token消耗僅為后兩者的1/4至1/2，展現出極高的性價比優勢。
目前，Yuan 3.0 Flash已全面開源，全系列模型參數與訓練代碼均開放免費下載。開發團隊表示，此舉旨在推動多模態大模型在工業界的普及應用，通過降低技術門檻與使用成本，加速AI技術向實體經濟滲透。開源地址已同步公布，供全球開發者與研究機構自由使用。
