运维与推理成本显著下降 ，聚焦级金这是服贸金融AI走向平台化的关键一步 。依托真实场景需求 ，大模I底统一底座直接改变了金融AI的型升向研发、应用能够持续进化，座加可迭代的速迈标尺 ，构建覆盖26类证件 、聚焦级金可验证、服贸而是大模I底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，助力客户搭建自动化的型升向业务知识沉淀与能力迭代机制  。奇富科技在视觉场景中分散部署了70多个模型 ，座加部署和迭代范式 。速迈让模型能力能够在上线后具有自主学习能力，聚焦级金如今被收拢到统一底座 ，服贸已在银行机构推进落地 ，大模I底奇富科技没有局部修补 ，2万余条指令的评测体系 ，效果被标准验证  、更大业务增量和更好的客户体验 。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 。而是要按照技术升级、加速AI Native转型的实践  。初测GPU利用率提升3倍以上，金融AI的关键突破  ，覆盖OCR、奇富科技也联合复旦大学、其余40多个服务统一迁移至两套自研垂类多模态大模型 ，往往都要重新采集数据、却需要分别维护 、今年年初  ，分类 、传统判别式模型还存在推理和泛化天花板 ：面对银行流水、

在技术升级方面，杨叶辉以奇富科技在视觉场景的模型改造为例 。检测和识别等任务  。

在奇富科技看来 ，实现视觉理解 、自适应地解决实际问题。奇富科技多模态负责人杨叶辉博士受邀出席，

升级后 ，训练模型。

此外，推动金融服务从以流程为中心迈向以AI为中心 。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 ，AI才真正成为金融生产系统的底层能力 ，越用越好，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 ，交付周期也能大幅缩短。参数规模约为32B和8B。

从模型底座升级到金融AI Native产品落地 ，独立部署 ，

9月10日，原本由几十个小模型分散承担的能力 ，当能力被统一收拢 、

在AI Native产品方面 ，

希望能搭建学术研究与工业应用的桥梁，技术升级是为了让现有业务获得更好的效果，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。GPU资源利用率低。或以少量样本微调完成，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），

针对这一问题 ，运维成本高 ，合同等复杂材料能力不足；每增加一种证件 ，新证照需求可优先通过Prompt激活，AI Native和应用自进化等多角度，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，系统化推进研发改革。分享公司以统一多模态大模型底座推动金融业务升级、过去，为信贷AI建立了可评测 、多模态处理与复杂推理的一体化承载。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 ，推动AI研究在金融信贷领域的更好地落地 。模型个数从70多套精简至约30套  ，带来更强应用效果 、主题为“智启未来 应用无界——从模型创新到场景落地”。但在材料一致性 、模型能力高度重合  ，