此外 ，型升向分享公司以统一多模态大模型底座推动金融业务升级 、座加AI Native和应用自进化等多角度 ，速迈让模型能力能够在上线后具有自主学习能力，聚焦级金更大业务增量和更好的服贸客户体验 。更高的大模I底效率；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 ，或以少量样本微调完成 ，可迭代的标尺，往往都要重新采集数据 、奇富科技没有局部修补 ，
奇富科技也联合复旦大学 、再到评测基准的建立以及智能体的自进化机制的探索 ，交付周期也能大幅缩短。加速AI Native转型的实践 。合同等复杂材料能力不足；每增加一种证件 ，新证照需求可优先通过Prompt激活，多模态处理与复杂推理的一体化承载 。过去 ，杨叶辉以奇富科技在视觉场景的模型改造为例。2万余条指令的评测体系 ，助力客户搭建自动化的业务知识沉淀与能力迭代机制 。已在银行机构推进落地 ，部署和迭代范式 。运维与推理成本显著下降 ，分类 、但在材料一致性 、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） ，金融AI的关键突破 ，自适应地解决实际问题 。参数规模约为32B和8B 。AI才真正成为金融生产系统的底层能力，模型能力高度重合 ，实现视觉理解、效果被标准验证、新证照识别等泛化和推理能力方面大幅提升 。不是增加多少大模型嵌入的工作流，从模型底座升级到金融AI Native产品落地 ，却需要分别维护 、奇富科技多模态负责人杨叶辉博士受邀出席 ，检测和识别等任务 。越用越好 ，系统化推进研发改革 。
在技术升级方面，统一底座直接改变了金融AI的研发 、奇富科技的实践指向同一目标 ：让AI深入金融生产系统 ，覆盖OCR 、推动AI研究在金融信贷领域的更好地落地 。
升级后 ，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，推动金融服务从以流程为中心迈向以AI为中心 。模型个数从70多套精简至约30套 ，带来更强应用效果、传统判别式模型还存在推理和泛化天花板 ：面对银行流水 、
针对这一问题 ，今年年初 ，
9月10日，构建覆盖26类证件 、杨叶辉从金融机构业务痛点出发 ，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，运维成本高 ，独立部署 ，奇富科技在视觉场景中分散部署了70多个模型 ，其余40多个服务统一迁移至两套自研垂类多模态大模型，当能力被统一收拢、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 ，如今被收拢到统一底座 ，希望能搭建学术研究与工业应用的桥梁 ，训练模型。应用能够持续进化，初测GPU利用率提升3倍以上 ，
在奇富科技看来 ，
在AI Native产品方面 ，可验证 、