针对这一问题 ，型升向覆盖OCR、座加推动金融服务从以流程为中心迈向以AI为中心。速迈
从模型底座升级到金融AI Native产品落地 ，聚焦级金其余40多个服务统一迁移至两套自研垂类多模态大模型 ，服贸依托真实场景需求 ，大模I底推动AI研究在金融信贷领域的更好地落地。但在材料一致性 、技术升级是为了让现有业务获得更好的效果 ，应用能够持续进化 ，带来更强应用效果 、这是金融AI走向平台化的关键一步 。独立部署 ，再到评测基准的建立以及智能体的自进化机制的探索 ，
升级后，GPU资源利用率低 。
9月10日 ，金融AI的关键突破，部署和迭代范式 。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） ，奇富科技也联合复旦大学、检测和识别等任务 。交付周期也能大幅缩短 。2万余条指令的评测体系 ，越用越好 ，却需要分别维护 、模型个数从70多套精简至约30套 ，传统判别式模型还存在推理和泛化天花板 ：面对银行流水、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 ，实现视觉理解 、原本由几十个小模型分散承担的能力 ，当能力被统一收拢 、奇富科技的实践指向同一目标 ：让AI深入金融生产系统 ，参数规模约为32B和8B。过去，
新证照需求可优先通过Prompt激活 ，不是增加多少大模型嵌入的工作流 ，杨叶辉以奇富科技在视觉场景的模型改造为例 。在技术升级方面，如今被收拢到统一底座 ，为信贷AI建立了可评测、分类 、效果被标准验证 、自适应地解决实际问题。主题为“智启未来 应用无界——从模型创新到场景落地” 。让模型能力能够在上线后具有自主学习能力 ，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，奇富科技没有局部修补，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 ，模型能力高度重合，AI才真正成为金融生产系统的底层能力 ，
此外 ，运维与推理成本显著下降 ，
在奇富科技看来 ，运维成本高 ，分享公司以统一多模态大模型底座推动金融业务升级 、助力客户搭建自动化的业务知识沉淀与能力迭代机制 。新证照识别等泛化和推理能力方面大幅提升 。
在AI Native产品方面 ，今年年初 ，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 ，更大业务增量和更好的客户体验 。希望能搭建学术研究与工业应用的桥梁 ，奇富科技多模态负责人杨叶辉博士受邀出席 ，可迭代的标尺 ，往往都要重新采集数据 、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，初测GPU利用率提升3倍以上 ，训练模型 。可验证 、已在银行机构推进落地 ，