交付周期也能大幅缩短 。聚焦级金自适应地解决实际问题。服贸原本由几十个小模型分散承担的大模I底能力 ，已在银行机构推进落地 ，型升向AI才真正成为金融生产系统的座加底层能力，训练模型。速迈不是聚焦级金增加多少大模型嵌入的工作流  ，往往都要重新采集数据  、服贸为信贷AI建立了可评测、大模I底推动金融服务从以流程为中心迈向以AI为中心。型升向主题为“智启未来 应用无界——从模型创新到场景落地” 。座加2万余条指令的速迈评测体系 ，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 。构建覆盖26类证件、服贸应用能够持续进化 ，大模I底加速AI Native转型的实践。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），其余40多个服务统一迁移至两套自研垂类多模态大模型，新证照识别等泛化和推理能力方面大幅提升  。金融AI的关键突破，推动AI研究在金融信贷领域的更好地落地  。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AI Native产品方面 ，可验证 、奇富科技在视觉场景中分散部署了70多个模型 ，

9月10日 ，

在奇富科技看来 ，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，而是要按照技术升级、越用越好 ，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。AI Native和应用自进化等多角度，分类、

针对这一问题，杨叶辉从金融机构业务痛点出发，覆盖OCR 、运维成本高，检测和识别等任务 。GPU资源利用率低。传统判别式模型还存在推理和泛化天花板：面对银行流水、

从模型底座升级到金融AI Native产品落地，部署和迭代范式 。杨叶辉以奇富科技在视觉场景的模型改造为例。或以少量样本微调完成 ，如今被收拢到统一底座 ，初测GPU利用率提升3倍以上 ，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，更大业务增量和更好的客户体验。今年年初，让模型能力能够在上线后具有自主学习能力，多模态处理与复杂推理的一体化承载。参数规模约为32B和8B 。

此外，带来更强应用效果 、

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 ，当能力被统一收拢、合同等复杂材料能力不足；每增加一种证件，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，新证照需求可优先通过Prompt激活 ，系统化推进研发改革  。实现视觉理解、依托真实场景需求 ，却需要分别维护、这是金融AI走向平台化的关键一步 。可迭代的标尺，

升级后，统一底座直接改变了金融AI的研发 、奇富科技没有局部修补 ，效果被标准验证、运维与推理成本显著下降 ，技术升级是为了让现有业务获得更好的效果，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，奇富科技多模态负责人杨叶辉博士受邀出席，奇富科技也联合复旦大学、奇富科技的实践指向同一目标：让AI深入金融生产系统，希望能搭建学术研究与工业应用的桥梁 ，模型能力高度重合 ，过去，