京东开源发布JoyAI-LLM Flash，这是一款基于混合专家（MoE）架构的指令微调模型。从参数规模看，该模型总参数480亿，激活参数30亿，采用256专家设计，每个token激活8个专家，MLA注意力机制，支持128K上下文窗口。

从定位来看，JoyAI-LLM Flash属于中量级模型——比百亿级模型更强，但远未达到千亿级模型的规模。这种定位决定了它的核心优势不在于"参数大"，而在于"效率高"。京东官方数据显示，通过Muon优化器和MTP技术，推理吞吐量较标准版本提升1.3至1.7倍。

评价一款模型的实力，需要放在同级别竞品的坐标系中对比。

京东官方提供了与Qwen3-30B-A3B和GLM-4.7-Flash的对比数据，以下是几个关键指标：

从数据来看，JoyAI-LLM Flash在多数测试中确实优于这两个竞品，但差距幅度并不一致。

在MMLU上领先约3%，在LiveCodeBench上领先超过25个百分点，而在HumanEval上三者的差距很小。需要注意的是，这些基准测试成绩由京东官方提供，尚未经过第三方独立验证。实际落地效果如何，需要更多社区反馈和真实场景测试。

JoyAI-LLM Flash有几项值得关注的技术细节：

纤维丛强化学习（Fiber Bundle RL）是其中最具特色的创新。京东将数学中的纤维丛理论引入强化学习，提出FiberPO优化框架，专门解决大规模异构智能体训练中的稳定性和鲁棒性问题。这在业内属于较新的尝试，不过目前相关论文和详细技术资料尚未公开，外界难以深入评估其实际效果。

训练数据构成方面，京东透露使用了20万亿token进行预训练，中训练阶段重点增强了代码、智能体推理和长上下文能力。但与行业惯例不同，京东未公开训练数据来源的具体构成，这使得外界难以判断模型在哪些领域具备优势。

相比纯技术参数，用户可能更关心这东西能干什么。

京东在产业场景上的积累是客观事实：

• 京东数字人已服务超过20000个品牌直播间，支持24小时不间断带货，成本约为真人直播的十分之一
• 京东物流超脑累计调用超过13亿次，覆盖数十个物流业务场景
• 千万级SKU的库存周转天数优化至约30天

这些数据来自京东官方披露，反映了其在供应链场景的落地深度。但需要指出的是，这些成果是整个JoyAI产品矩阵的贡献，并非单独来自JoyAI-LLM Flash这一个模型。

整体来看，JoyAI-LLM Flash是一款有竞争力的中量级开源模型。其优势在于：推理效率优化做得扎实，在智能体和代码生成任务上的表现优于同级别竞品，与京东产业链结合紧密。

对于有意尝试的开发者，JoyAI-LLM Flash提供了vLLM和SGLang两种部署方案，技术门槛不算高。还可以通过京东云平台便捷地访问JoyAI-LLM Flash的API服务，该API兼容OpenAI和Anthropic的开发接口，可以轻松地将模型能力集成到现有应用中。

参考资料：https://huggingface.co/jdopensource/JoyAI-LLM-Flash