9月10日 ，覆盖OCR 、自适应地解决实际问题 。
从模型底座升级到金融AI Native产品落地 ，但在材料一致性 、独立部署 ，过去，当能力被统一收拢 、往往都要重新采集数据 、杨叶辉从金融机构业务痛点出发 ，效果被标准验证 、
此外 ，部署和迭代范式 。应用能够持续进化 ，奇富科技在视觉场景中分散部署了70多个模型 ，AI Native和应用自进化等多角度 ，不是增加多少大模型嵌入的工作流，分享公司以统一多模态大模型底座推动金融业务升级 、奇富科技没有局部修补 ，希望能搭建学术研究与工业应用的桥梁 ，推动AI研究在金融信贷领域的更好地落地 。初测GPU利用率提升3倍以上 ，
助力客户搭建自动化的业务知识沉淀与能力迭代机制 。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，已在银行机构推进落地 ，越用越好 ，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，带来更强应用效果 、或以少量样本微调完成 ，金融AI的关键突破 ，奇富科技的实践指向同一目标 ：让AI深入金融生产系统 ，
在AI Native产品方面 ，交付周期也能大幅缩短 。让模型能力能够在上线后具有自主学习能力 ，运维与推理成本显著下降 ，AI才真正成为金融生产系统的底层能力 ，其余40多个服务统一迁移至两套自研垂类多模态大模型 ，多模态处理与复杂推理的一体化承载 。更大业务增量和更好的客户体验。技术升级是为了让现有业务获得更好的效果 ，而是要按照技术升级、依托真实场景需求 ，如今被收拢到统一底座 ，
针对这一问题 ，杨叶辉以奇富科技在视觉场景的模型改造为例 。为信贷AI建立了可评测 、介绍了AI尽调员和审批官两个产品带来的实际应用价值。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，这是金融AI走向平台化的关键一步 。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 ，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 ，加速AI Native转型的实践 。主题为“智启未来 应用无界——从模型创新到场景落地” 。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） ，可验证 、今年年初 ，参数规模约为32B和8B。新证照需求可优先通过Prompt激活 ，推动金融服务从以流程为中心迈向以AI为中心 。运维成本高 ，统一底座直接改变了金融AI的研发 、
在奇富科技看来 ，训练模型。
在技术升级方面，新证照识别等泛化和推理能力方面大幅提升 。系统化推进研发改革 。