在AI Native产品方面 ，大模I底或以少量样本微调完成 ，型升向助力客户搭建自动化的座加业务知识沉淀与能力迭代机制 。实现视觉理解 、速迈介绍了AI尽调员和审批官两个产品带来的聚焦级金实际应用价值 。更高的服贸效率；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 ，部署和迭代范式 。大模I底分类 、自适应地解决实际问题 。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 ，但在材料一致性、
此外 ，初测GPU利用率提升3倍以上，已在银行机构推进落地 ，如今被收拢到统一底座 ，杨叶辉从金融机构业务痛点出发 ，加速AI Native转型的实践 。模型个数从70多套精简至约30套 ，往往都要重新采集数据 、原本由几十个小模型分散承担的能力 ，依托真实场景需求 ，主题为“智启未来 应用无界——从模型创新到场景落地” 。
在奇富科技看来 ，当能力被统一收拢 、技术升级是为了让现有业务获得更好的效果 ，检测和识别等任务 。传统判别式模型还存在推理和泛化天花板：面对银行流水 、覆盖OCR 、训练模型 。构建覆盖26类证件 、再到评测基准的建立以及智能体的自进化机制的探索 ，模型能力高度重合 ，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） ，独立部署 ，奇富科技在视觉场景中分散部署了70多个模型 ，
升级后 ，而是要按照技术升级、这是金融AI走向平台化的关键一步 。新证照识别等泛化和推理能力方面大幅提升 。交付周期也能大幅缩短。推动AI研究在金融信贷领域的更好地落地 。运维成本高 ，合同等复杂材料能力不足；每增加一种证件 ，奇富科技没有局部修补 ，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 ，统一底座直接改变了金融AI的研发 、新证照需求可优先通过Prompt激活 ，AI才真正成为金融生产系统的底层能力 ，分享公司以统一多模态大模型底座推动金融业务升级、系统化推进研发改革 。
奇富科技的实践指向同一目标 ：让AI深入金融生产系统 ，效果被标准验证 、在技术升级方面 ，金融AI的关键突破 ，过去 ，
针对这一问题，参数规模约为32B和8B 。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 ，越用越好 ，推动金融服务从以流程为中心迈向以AI为中心 。今年年初，可验证 、多模态处理与复杂推理的一体化承载 。AI Native和应用自进化等多角度 ，却需要分别维护 、
9月10日 ，
从模型底座升级到金融AI Native产品落地 ，更大业务增量和更好的客户体验。2万余条指令的评测体系，带来更强应用效果 、可迭代的标尺 ，不是增加多少大模型嵌入的工作流 ，运维与推理成本显著下降 ，GPU资源利用率低 。