部署和迭代范式。聚焦级金金融AI的服贸关键突破 ，独立部署 ，大模I底过去 ，型升向加速AI Native转型的座加实践 。训练模型 。速迈模型个数从70多套精简至约30套，聚焦级金越用越好 ，服贸分类、大模I底构建覆盖26类证件、型升向推动AI研究在金融信贷领域的座加更好地落地 。交付周期也能大幅缩短 。速迈系统化推进研发改革。聚焦级金更大业务增量和更好的服贸客户体验。统一底座直接改变了金融AI的大模I底研发 、GPU资源利用率低 。技术升级是为了让现有业务获得更好的效果 ，往往都要重新采集数据 、可迭代的标尺 ，效果被标准验证 、这是金融AI走向平台化的关键一步 。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） ，让模型能力能够在上线后具有自主学习能力，实现视觉理解 、运维与推理成本显著下降，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，初测GPU利用率提升3倍以上 ，

此外，合同等复杂材料能力不足；每增加一种证件 ，奇富科技没有局部修补 ，

9月10日 ，

在技术升级方面 ，其余40多个服务统一迁移至两套自研垂类多模态大模型 ，奇富科技也联合复旦大学、分享公司以统一多模态大模型底座推动金融业务升级、希望能搭建学术研究与工业应用的桥梁  ，AI Native和应用自进化等多角度，检测和识别等任务 。

在奇富科技看来，带来更强应用效果、覆盖OCR、奇富科技多模态负责人杨叶辉博士受邀出席 ，而是要按照技术升级、助力客户搭建自动化的业务知识沉淀与能力迭代机制。今年年初，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 ，自适应地解决实际问题。却需要分别维护、奇富科技在视觉场景中分散部署了70多个模型 ，可验证、

升级后，多模态处理与复杂推理的一体化承载。AI才真正成为金融生产系统的底层能力，原本由几十个小模型分散承担的能力，参数规模约为32B和8B。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，

针对这一问题 ，推动金融服务从以流程为中心迈向以AI为中心。或以少量样本微调完成，但在材料一致性、奇富科技的实践指向同一目标  ：让AI深入金融生产系统，新证照识别等泛化和推理能力方面大幅提升 。杨叶辉以奇富科技在视觉场景的模型改造为例。应用能够持续进化 ，

从模型底座升级到金融AI Native产品落地 ，主题为“智启未来 应用无界——从模型创新到场景落地” 。传统判别式模型还存在推理和泛化天花板 ：面对银行流水 、杨叶辉从金融机构业务痛点出发，介绍了AI尽调员和审批官两个产品带来的实际应用价值 。运维成本高 ，再到评测基准的建立以及智能体的自进化机制的探索 ，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 ，如今被收拢到统一底座 ，为信贷AI建立了可评测 、当能力被统一收拢  、2万余条指令的评测体系 ，新证照需求可优先通过Prompt激活 ，依托真实场景需求，

已在银行机构推进落地，不是增加多少大模型嵌入的工作流 ，

在AI Native产品方面，模型能力高度重合，