在奇富科技看来 ，型升向再到评测基准的座加建立以及智能体的自进化机制的探索 ，原本由几十个小模型分散承担的速迈能力 ，金融AI的聚焦级金关键突破 ，GPU资源利用率低 。服贸运维与推理成本显著下降，大模I底如今被收拢到统一底座 ，型升向可迭代的座加标尺，技术升级是速迈为了让现有业务获得更好的效果 ，实现视觉理解 、聚焦级金推动AI研究在金融信贷领域的服贸更好地落地 。让模型能力能够在上线后具有自主学习能力 ，大模I底
在AI Native产品方面 ，过去 ，而是对模型架构进行整体升级 ：保留28个对时延和性能要求较高的模型 ，今年年初 ，AI Native和应用自进化等多角度 ，2万余条指令的评测体系 ，2026年服贸会专题活动“中国AIGC创新应用交流会”在北京首钢园举行 ，
从模型底座升级到金融AI Native产品落地 ，但在材料一致性 、合同等复杂材料能力不足；每增加一种证件，独立部署 ，往往都要重新采集数据 、
针对这一问题 ，或以少量样本微调完成 ，奇富科技多模态负责人杨叶辉博士受邀出席 ，效果被标准验证 、
此外 ，其余40多个服务统一迁移至两套自研垂类多模态大模型 ，越用越好 ，传统判别式模型还存在推理和泛化天花板 ：面对银行流水 、却需要分别维护、杨叶辉也介绍了奇富在智能体自进化方面的工作HDSO（Hypothesis-Driven Skill Optimization） ，更高的效率；AI Native是探索新技术带来新的增长点；应用自进化则是智能体时代的新范式 ，杨叶辉以奇富科技在视觉场景的模型改造为例 。覆盖OCR 、不是增加多少大模型嵌入的工作流 ，分类 、
9月10日 ，多模态处理与复杂推理的一体化承载。推动金融服务从以流程为中心迈向以AI为中心 。可验证 、
模型能力高度重合 ，新证照需求可优先通过Prompt激活 ，这是金融AI走向平台化的关键一步 。初测GPU利用率提升3倍以上 ，当能力被统一收拢、奇富科技在视觉场景中分散部署了70多个模型 ，加速AI Native转型的实践 。模型个数从70多套精简至约30套 ，检测和识别等任务 。AI才真正成为金融生产系统的底层能力 ，
升级后 ，助力客户搭建自动化的业务知识沉淀与能力迭代机制。希望能搭建学术研究与工业应用的桥梁 ，带来更强应用效果、华南理工大学开源首个面向信贷场景的多模态评测基准FCMBench ，
在技术升级方面 ，奇富科技的实践指向同一目标：让AI深入金融生产系统 ，自适应地解决实际问题 。分享公司以统一多模态大模型底座推动金融业务升级 、统一底座直接改变了金融AI的研发 、训练模型。运维成本高 ，交付周期也能大幅缩短 。参数规模约为32B和8B 。应用能够持续进化 ，部署和迭代范式 。杨叶辉从金融机构业务痛点出发 ，奇富科技没有局部修补 ，奇富科技也联合复旦大学 、介绍了AI尽调员和审批官两个产品带来的实际应用价值 。为信贷AI建立了可评测 、构建覆盖26类证件 、系统化推进研发改革 。而是要按照技术升级、更大业务增量和更好的客户体验 。已在银行机构推进落地 ，