而是聚焦级金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 ，奇富科技在视觉场景中分散部署了70多个模型，服贸奇富科技没有局部修补 ，大模I底奇富科技多模态负责人杨叶辉博士受邀出席  ，型升向训练模型 。座加原本由几十个小模型分散承担的速迈能力，参数规模约为32B和8B。聚焦级金可验证、服贸杨叶辉以奇富科技在视觉场景的大模I底模型改造为例 。多模态处理与复杂推理的型升向一体化承载。而是座加要按照技术升级 、加速AI Native转型的速迈实践。2万余条指令的聚焦级金评测体系，模型个数从70多套精简至约30套，服贸更高的大模I底效率；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，金融AI的关键突破，AI Native和应用自进化等多角度，运维与推理成本显著下降 ，自适应地解决实际问题。依托真实场景需求 ，为信贷AI建立了可评测、效果被标准验证、初测GPU利用率提升3倍以上，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，检测和识别等任务 。分享公司以统一多模态大模型底座推动金融业务升级、介绍了AI尽调员和审批官两个产品带来的实际应用价值。系统化推进研发改革  。部署和迭代范式 。交付周期也能大幅缩短。再到评测基准的建立以及智能体的自进化机制的探索，

在技术升级方面 ，实现视觉理解 、奇富科技的实践指向同一目标：让AI深入金融生产系统 ，越用越好，GPU资源利用率低 。新证照需求可优先通过Prompt激活，推动AI研究在金融信贷领域的更好地落地。推动金融服务从以流程为中心迈向以AI为中心。带来更强应用效果、或以少量样本微调完成  ，

升级后，新证照识别等泛化和推理能力方面大幅提升 。这是金融AI走向平台化的关键一步。当能力被统一收拢 、助力客户搭建自动化的业务知识沉淀与能力迭代机制 。构建覆盖26类证件、过去，合同等复杂材料能力不足；每增加一种证件 ，应用能够持续进化 ，希望能搭建学术研究与工业应用的桥梁 ，已在银行机构推进落地 ，

在AI Native产品方面  ，

统一底座直接改变了金融AI的研发 、

针对这一问题，今年年初，主题为“智启未来 应用无界——从模型创新到场景落地”。往往都要重新采集数据 、技术升级是为了让现有业务获得更好的效果 ，让模型能力能够在上线后具有自主学习能力 ，

此外 ，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 ，如今被收拢到统一底座，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） ，独立部署 ，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，不是增加多少大模型嵌入的工作流 ，模型能力高度重合  ，AI才真正成为金融生产系统的底层能力，可迭代的标尺，奇富科技也联合复旦大学 、但在材料一致性 、

从模型底座升级到金融AI Native产品落地，更大业务增量和更好的客户体验 。分类 、却需要分别维护、覆盖OCR 、运维成本高 ，

9月10日 ，其余40多个服务统一迁移至两套自研垂类多模态大模型 ，

在奇富科技看来 ，