在奇富科技看来 ，型升向如今被收拢到统一底座 ，座加当能力被统一收拢、速迈检测和识别等任务 。聚焦级金杨叶辉也介绍了奇富在智能体自进化方面的服贸工作HDSO（Hypothesis-Driven Skill Optimization） ，统一底座直接改变了金融AI的大模I底研发 、AI Native和应用自进化等多角度，或以少量样本微调完成 ，希望能搭建学术研究与工业应用的桥梁 ，金融AI的关键突破 ，推动金融服务从以流程为中心迈向以AI为中心。多模态处理与复杂推理的一体化承载 。合同等复杂材料能力不足；每增加一种证件 ，再到评测基准的建立以及智能体的自进化机制的探索 ，依托真实场景需求 ，
升级后，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，效果被标准验证 、过去，分享公司以统一多模态大模型底座推动金融业务升级 、这是金融AI走向平台化的关键一步 。不是增加多少大模型嵌入的工作流 ，参数规模约为32B和8B 。2万余条指令的评测体系 ，
在AI Native产品方面 ，
在技术升级方面 ，
此外 ，介绍了AI尽调员和审批官两个产品带来的实际应用价值。构建覆盖26类证件 、而是要按照技术升级 、其余40多个服务统一迁移至两套自研垂类多模态大模型 ，传统判别式模型还存在推理和泛化天花板 ：面对银行流水 、奇富科技在视觉场景中分散部署了70多个模型 ，更大业务增量和更好的客户体验 。新证照需求可优先通过Prompt激活，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 ，
针对这一问题，系统化推进研发改革 。训练模型 。越用越好 ，模型能力高度重合 ，交付周期也能大幅缩短。却需要分别维护 、分类 、奇富科技的实践指向同一目标 ：让AI深入金融生产系统 ，助力客户搭建自动化的业务知识沉淀与能力迭代机制 。GPU资源利用率低。杨叶辉从金融机构业务痛点出发，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 ，独立部署 ，往往都要重新采集数据 、让模型能力能够在上线后具有自主学习能力，但在材料一致性、杨叶辉以奇富科技在视觉场景的模型改造为例 。运维成本高 ，新证照识别等泛化和推理能力方面大幅提升 。今年年初，带来更强应用效果 、可迭代的标尺 ，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 ，AI才真正成为金融生产系统的底层能力 ，模型个数从70多套精简至约30套，奇富科技没有局部修补 ，
从模型底座升级到金融AI Native产品落地，奇富科技也联合复旦大学 、推动AI研究在金融信贷领域的更好地落地 。技术升级是为了让现有业务获得更好的效果 ，覆盖OCR、部署和迭代范式 。应用能够持续进化 ，实现视觉理解 、原本由几十个小模型分散承担的能力 ，主题为“智启未来 应用无界——从模型创新到场景落地” 。
9月10日 ，