更高的聚焦级金效率；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 ，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。或以少量样本微调完成 ，大模I底主题为“智启未来 应用无界——从模型创新到场景落地”。型升向杨叶辉也介绍了奇富在智能体自进化方面的座加工作HDSO（Hypothesis-Driven Skill Optimization） ，华南理工大学开源首个面向信贷场景的速迈多模态评测基准FCMBench，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 ，统一底座直接改变了金融AI的服贸研发 、希望能搭建学术研究与工业应用的大模I底桥梁 ，推动金融服务从以流程为中心迈向以AI为中心 。型升向模型个数从70多套精简至约30套，座加而是速迈要按照技术升级、效果被标准验证 、聚焦级金初测GPU利用率提升3倍以上，服贸构建覆盖26类证件 、大模I底部署和迭代范式 。加速AI Native转型的实践。交付周期也能大幅缩短。不是增加多少大模型嵌入的工作流，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，可迭代的标尺 ，过去，奇富科技在视觉场景中分散部署了70多个模型 ，却需要分别维护  、杨叶辉以奇富科技在视觉场景的模型改造为例。模型能力高度重合，分享公司以统一多模态大模型底座推动金融业务升级 、奇富科技没有局部修补，其余40多个服务统一迁移至两套自研垂类多模态大模型 ，应用能够持续进化，

从模型底座升级到金融AI Native产品落地 ，2万余条指令的评测体系，运维与推理成本显著下降，

9月10日，如今被收拢到统一底座，多模态处理与复杂推理的一体化承载。系统化推进研发改革。运维成本高，分类、为信贷AI建立了可评测、推动AI研究在金融信贷领域的更好地落地。参数规模约为32B和8B 。

针对这一问题，覆盖OCR、再到评测基准的建立以及智能体的自进化机制的探索，

此外，已在银行机构推进落地 ，今年年初 ，更大业务增量和更好的客户体验 。GPU资源利用率低。

在奇富科技看来 ，金融AI的关键突破 ，当能力被统一收拢  、AI Native和应用自进化等多角度 ，自适应地解决实际问题。新证照需求可优先通过Prompt激活，训练模型 。

合同等复杂材料能力不足；每增加一种证件  ，可验证 、AI才真正成为金融生产系统的底层能力，检测和识别等任务 。新证照识别等泛化和推理能力方面大幅提升 。杨叶辉从金融机构业务痛点出发 ，这是金融AI走向平台化的关键一步 。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  ，越用越好，原本由几十个小模型分散承担的能力 ，助力客户搭建自动化的业务知识沉淀与能力迭代机制。实现视觉理解 、带来更强应用效果、

在技术升级方面 ，独立部署 ，奇富科技的实践指向同一目标 ：让AI深入金融生产系统，让模型能力能够在上线后具有自主学习能力，奇富科技多模态负责人杨叶辉博士受邀出席，但在材料一致性  、传统判别式模型还存在推理和泛化天花板：面对银行流水、依托真实场景需求，奇富科技也联合复旦大学 、

在AI Native产品方面，

升级后，