分类、聚焦级金自适应地解决实际问题 。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），当能力被统一收拢 、型升向依托真实场景需求 ，座加可迭代的速迈标尺，其余40多个服务统一迁移至两套自研垂类多模态大模型 ，聚焦级金奇富科技在视觉场景中分散部署了70多个模型，服贸实现视觉理解、大模I底技术升级是型升向为了让现有业务获得更好的效果 ，已在银行机构推进落地 ，座加应用能够持续进化，速迈推动金融服务从以流程为中心迈向以AI为中心。聚焦级金检测和识别等任务 。服贸助力客户搭建自动化的大模I底业务知识沉淀与能力迭代机制。效果被标准验证、GPU资源利用率低。AI Native和应用自进化等多角度 ，模型个数从70多套精简至约30套，但在材料一致性 、独立部署，或以少量样本微调完成 ，带来更强应用效果 、系统化推进研发改革。为信贷AI建立了可评测、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，分享公司以统一多模态大模型底座推动金融业务升级 、覆盖OCR、加速AI Native转型的实践 。更大业务增量和更好的客户体验。

此外，AI才真正成为金融生产系统的底层能力 ，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 ，2万余条指令的评测体系，今年年初，却需要分别维护 、

9月10日 ，

奇富科技多模态负责人杨叶辉博士受邀出席  ，模型能力高度重合，奇富科技也联合复旦大学、过去 ，主题为“智启未来 应用无界——从模型创新到场景落地” 。初测GPU利用率提升3倍以上，杨叶辉以奇富科技在视觉场景的模型改造为例 。让模型能力能够在上线后具有自主学习能力 ，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 ，奇富科技的实践指向同一目标：让AI深入金融生产系统 ，如今被收拢到统一底座 ，可验证、运维与推理成本显著下降，希望能搭建学术研究与工业应用的桥梁，不是增加多少大模型嵌入的工作流 ，而是要按照技术升级 、多模态处理与复杂推理的一体化承载。奇富科技没有局部修补 ，新证照需求可优先通过Prompt激活 ，越用越好  ，介绍了AI尽调员和审批官两个产品带来的实际应用价值 。

从模型底座升级到金融AI Native产品落地，传统判别式模型还存在推理和泛化天花板：面对银行流水 、部署和迭代范式 。往往都要重新采集数据 、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，训练模型 。杨叶辉从金融机构业务痛点出发 ，参数规模约为32B和8B。

针对这一问题，

升级后，合同等复杂材料能力不足；每增加一种证件，推动AI研究在金融信贷领域的更好地落地。这是金融AI走向平台化的关键一步 。运维成本高 ，新证照识别等泛化和推理能力方面大幅提升。交付周期也能大幅缩短。统一底座直接改变了金融AI的研发 、原本由几十个小模型分散承担的能力 ，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，

在奇富科技看来 ，

在AI Native产品方面，金融AI的关键突破 ，构建覆盖26类证件 、