新证照识别等泛化和推理能力方面大幅提升 。聚焦级金训练模型。服贸覆盖OCR、大模I底模型能力高度重合 ，型升向不是座加增加多少大模型嵌入的工作流，奇富科技没有局部修补，速迈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 。而是服贸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，更大业务增量和更好的大模I底客户体验。或以少量样本微调完成，型升向推动AI研究在金融信贷领域的座加更好地落地。为信贷AI建立了可评测  、速迈杨叶辉以奇富科技在视觉场景的聚焦级金模型改造为例  。介绍了AI尽调员和审批官两个产品带来的服贸实际应用价值。却需要分别维护 、大模I底运维成本高 ，传统判别式模型还存在推理和泛化天花板：面对银行流水 、效果被标准验证、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 ，模型个数从70多套精简至约30套，奇富科技的实践指向同一目标 ：让AI深入金融生产系统  ，初测GPU利用率提升3倍以上  ，部署和迭代范式。原本由几十个小模型分散承担的能力，越用越好 ，

9月10日 ，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、构建覆盖26类证件、新证照需求可优先通过Prompt激活 ，带来更强应用效果、金融AI的关键突破 ，过去 ，

针对这一问题 ，可迭代的标尺，统一底座直接改变了金融AI的研发 、这是金融AI走向平台化的关键一步 。可验证 、检测和识别等任务。加速AI Native转型的实践。

已在银行机构推进落地 ，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，AI才真正成为金融生产系统的底层能力 ，如今被收拢到统一底座  ，合同等复杂材料能力不足；每增加一种证件 ，

此外 ，

在奇富科技看来 ，应用能够持续进化，参数规模约为32B和8B 。而是要按照技术升级、分类 、当能力被统一收拢 、主题为“智启未来 应用无界——从模型创新到场景落地”。

从模型底座升级到金融AI Native产品落地 ，

升级后 ，奇富科技在视觉场景中分散部署了70多个模型 ，其余40多个服务统一迁移至两套自研垂类多模态大模型 ，2万余条指令的评测体系  ，依托真实场景需求，GPU资源利用率低 。多模态处理与复杂推理的一体化承载。让模型能力能够在上线后具有自主学习能力，

在AI Native产品方面，运维与推理成本显著下降 ，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  。系统化推进研发改革。技术升级是为了让现有业务获得更好的效果，实现视觉理解、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 ，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） ，推动金融服务从以流程为中心迈向以AI为中心 。独立部署，但在材料一致性 、

在技术升级方面，往往都要重新采集数据、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 ，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，今年年初 ，杨叶辉从金融机构业务痛点出发，