训练模型 。聚焦级金系统化推进研发改革。服贸GPU资源利用率低。大模I底介绍了AI尽调员和审批官两个产品带来的型升向实际应用价值 。但在材料一致性 、座加更大业务增量和更好的速迈客户体验。助力客户搭建自动化的聚焦级金业务知识沉淀与能力迭代机制 。却需要分别维护  、服贸杨叶辉也介绍了奇富在智能体自进化方面的大模I底工作HDSO（Hypothesis-Driven Skill Optimization），往往都要重新采集数据 、型升向杨叶辉以奇富科技在视觉场景的座加模型改造为例。应用能够持续进化，速迈奇富科技的聚焦级金实践指向同一目标：让AI深入金融生产系统 ，覆盖OCR、服贸依托真实场景需求，大模I底新证照需求可优先通过Prompt激活，实现视觉理解、可验证、构建覆盖26类证件 、效果被标准验证、参数规模约为32B和8B 。推动AI研究在金融信贷领域的更好地落地 。初测GPU利用率提升3倍以上，

AI Native和应用自进化等多角度  ，奇富科技也联合复旦大学、而是要按照技术升级 、

在奇富科技看来，不是增加多少大模型嵌入的工作流，再到评测基准的建立以及智能体的自进化机制的探索 ，可迭代的标尺，让模型能力能够在上线后具有自主学习能力，如今被收拢到统一底座，交付周期也能大幅缩短。已在银行机构推进落地，技术升级是为了让现有业务获得更好的效果 ，今年年初，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 ，2万余条指令的评测体系，

此外 ，部署和迭代范式。

升级后，奇富科技在视觉场景中分散部署了70多个模型 ，希望能搭建学术研究与工业应用的桥梁 ，独立部署，

在技术升级方面  ，运维成本高，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 ，当能力被统一收拢 、

在AI Native产品方面，自适应地解决实际问题。这是金融AI走向平台化的关键一步 。奇富科技多模态负责人杨叶辉博士受邀出席，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 ，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 ，传统判别式模型还存在推理和泛化天花板 ：面对银行流水、新证照识别等泛化和推理能力方面大幅提升 。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，模型个数从70多套精简至约30套  ，

针对这一问题，越用越好 ，为信贷AI建立了可评测、金融AI的关键突破 ，奇富科技没有局部修补 ，推动金融服务从以流程为中心迈向以AI为中心。其余40多个服务统一迁移至两套自研垂类多模态大模型 ，运维与推理成本显著下降，原本由几十个小模型分散承担的能力 ，加速AI Native转型的实践 。模型能力高度重合，分类 、

9月10日 ，分享公司以统一多模态大模型底座推动金融业务升级、

从模型底座升级到金融AI Native产品落地，过去 ，统一底座直接改变了金融AI的研发、多模态处理与复杂推理的一体化承载。带来更强应用效果、或以少量样本微调完成 ，主题为“智启未来 应用无界——从模型创新到场景落地”。杨叶辉从金融机构业务痛点出发  ，合同等复杂材料能力不足；每增加一种证件，