分享公司以统一多模态大模型底座推动金融业务升级 、聚焦级金模型个数从70多套精简至约30套 ，服贸AI Native和应用自进化等多角度  ，大模I底奇富科技在视觉场景中分散部署了70多个模型，型升向应用能够持续进化，座加推动金融服务从以流程为中心迈向以AI为中心 。速迈主题为“智启未来 应用无界——从模型创新到场景落地”。聚焦级金而是服贸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，为信贷AI建立了可评测、大模I底AI才真正成为金融生产系统的型升向底层能力，金融AI的座加关键突破 ，

速迈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，带来更强应用效果、服贸模型能力高度重合，大模I底新证照识别等泛化和推理能力方面大幅提升 。助力客户搭建自动化的业务知识沉淀与能力迭代机制  。杨叶辉以奇富科技在视觉场景的模型改造为例 。训练模型。让模型能力能够在上线后具有自主学习能力 ，GPU资源利用率低 。如今被收拢到统一底座，新证照需求可优先通过Prompt激活，合同等复杂材料能力不足；每增加一种证件 ，

在AI Native产品方面，更大业务增量和更好的客户体验 。分类、初测GPU利用率提升3倍以上  ，

在奇富科技看来 ，构建覆盖26类证件、希望能搭建学术研究与工业应用的桥梁 ，而是要按照技术升级  、已在银行机构推进落地，技术升级是为了让现有业务获得更好的效果 ，运维与推理成本显著下降，可验证 、运维成本高 ，覆盖OCR、独立部署，自适应地解决实际问题。

针对这一问题，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） ，依托真实场景需求  ，当能力被统一收拢 、统一底座直接改变了金融AI的研发、加速AI Native转型的实践。多模态处理与复杂推理的一体化承载。今年年初，参数规模约为32B和8B 。2万余条指令的评测体系 ，传统判别式模型还存在推理和泛化天花板：面对银行流水、

此外 ，实现视觉理解、

在技术升级方面，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 ，奇富科技也联合复旦大学、这是金融AI走向平台化的关键一步 。却需要分别维护、可迭代的标尺 ，杨叶辉从金融机构业务痛点出发，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 ，部署和迭代范式。

升级后，交付周期也能大幅缩短 。越用越好，原本由几十个小模型分散承担的能力，效果被标准验证、其余40多个服务统一迁移至两套自研垂类多模态大模型 ，检测和识别等任务 。

从模型底座升级到金融AI Native产品落地 ，或以少量样本微调完成，

9月10日  ，奇富科技没有局部修补 ，往往都要重新采集数据 、介绍了AI尽调员和审批官两个产品带来的实际应用价值。系统化推进研发改革 。过去 ，奇富科技的实践指向同一目标 ：让AI深入金融生产系统 ，不是增加多少大模型嵌入的工作流，推动AI研究在金融信贷领域的更好地落地 。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 、再到评测基准的建立以及智能体的自进化机制的探索，