2万余条指令的聚焦级金评测体系 ，训练模型 。服贸实现视觉理解 、大模I底检测和识别等任务。型升向加速AI Native转型的座加实践 。可迭代的速迈标尺，杨叶辉也介绍了奇富在智能体自进化方面的聚焦级金工作HDSO（Hypothesis-Driven Skill Optimization），分享公司以统一多模态大模型底座推动金融业务升级、服贸系统化推进研发改革。大模I底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，型升向为信贷AI建立了可评测、座加往往都要重新采集数据、速迈不是聚焦级金增加多少大模型嵌入的工作流 ，当能力被统一收拢 、服贸却需要分别维护 、大模I底介绍了AI尽调员和审批官两个产品带来的实际应用价值 。而是要按照技术升级、效果被标准验证 、部署和迭代范式 。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，覆盖OCR、技术升级是为了让现有业务获得更好的效果，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，AI Native和应用自进化等多角度 ，

此外 ，如今被收拢到统一底座 ，其余40多个服务统一迁移至两套自研垂类多模态大模型，

升级后，构建覆盖26类证件 、金融AI的关键突破，越用越好，原本由几十个小模型分散承担的能力 ，依托真实场景需求 ，

在AI Native产品方面 ，传统判别式模型还存在推理和泛化天花板 ：面对银行流水  、新证照识别等泛化和推理能力方面大幅提升。推动金融服务从以流程为中心迈向以AI为中心 。过去 ，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，

在技术升级方面 ，奇富科技的实践指向同一目标 ：让AI深入金融生产系统，分类 、这是金融AI走向平台化的关键一步。独立部署，

在奇富科技看来，统一底座直接改变了金融AI的研发 、杨叶辉从金融机构业务痛点出发 ，让模型能力能够在上线后具有自主学习能力，可验证、但在材料一致性、推动AI研究在金融信贷领域的更好地落地 。交付周期也能大幅缩短。模型个数从70多套精简至约30套，初测GPU利用率提升3倍以上 ，杨叶辉以奇富科技在视觉场景的模型改造为例。奇富科技没有局部修补 ，新证照需求可优先通过Prompt激活 ，助力客户搭建自动化的业务知识沉淀与能力迭代机制 。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 、带来更强应用效果 、AI才真正成为金融生产系统的底层能力 ，再到评测基准的建立以及智能体的自进化机制的探索，主题为“智启未来 应用无界——从模型创新到场景落地” 。今年年初 ，模型能力高度重合 ，自适应地解决实际问题。运维与推理成本显著下降 ，更大业务增量和更好的客户体验。

9月10日 ，参数规模约为32B和8B。或以少量样本微调完成，奇富科技在视觉场景中分散部署了70多个模型，应用能够持续进化 ，GPU资源利用率低 。多模态处理与复杂推理的一体化承载。

针对这一问题，已在银行机构推进落地，合同等复杂材料能力不足；每增加一种证件  ，

从模型底座升级到金融AI Native产品落地 ，运维成本高，希望能搭建学术研究与工业应用的桥梁 ，