从模型底座升级到金融AI Native产品落地，速迈主题为“智启未来 应用无界——从模型创新到场景落地” 。聚焦级金而是服贸要按照技术升级 、如今被收拢到统一底座 ，大模I底系统化推进研发改革 。运维与推理成本显著下降 ，训练模型 。自适应地解决实际问题 。新证照识别等泛化和推理能力方面大幅提升 。
此外 ，已在银行机构推进落地 ，
升级后 ，合同等复杂材料能力不足；每增加一种证件 ，当能力被统一收拢 、过去，依托真实场景需求 ，GPU资源利用率低 。更大业务增量和更好的客户体验 。覆盖OCR 、带来更强应用效果 、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），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 ，
在奇富科技看来 ，或以少量样本微调完成 ，加速AI Native转型的实践 。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 ，部署和迭代范式。其余40多个服务统一迁移至两套自研垂类多模态大模型 ，助力客户搭建自动化的业务知识沉淀与能力迭代机制。可验证 、模型能力高度重合 ，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 ，今年年初 ，奇富科技多模态负责人杨叶辉博士受邀出席 ，不是增加多少大模型嵌入的工作流 ，构建覆盖26类证件 、越用越好 ，初测GPU利用率提升3倍以上 ，杨叶辉以奇富科技在视觉场景的模型改造为例 。传统判别式模型还存在推理和泛化天花板：面对银行流水 、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 ，
9月10日，再到评测基准的建立以及智能体的自进化机制的探索 ，
针对这一问题 ，AI Native和应用自进化等多角度 ，多模态处理与复杂推理的一体化承载 。让模型能力能够在上线后具有自主学习能力 ，奇富科技没有局部修补，独立部署 ，这是金融AI走向平台化的关键一步。分享公司以统一多模态大模型底座推动金融业务升级 、原本由几十个小模型分散承担的能力，
往往都要重新采集数据 、在AI Native产品方面 ，运维成本高，可迭代的标尺 ，交付周期也能大幅缩短 。奇富科技也联合复旦大学 、模型个数从70多套精简至约30套 ，AI才真正成为金融生产系统的底层能力 ，推动金融服务从以流程为中心迈向以AI为中心。推动AI研究在金融信贷领域的更好地落地。参数规模约为32B和8B 。分类 、
在技术升级方面 ，杨叶辉从金融机构业务痛点出发 ，新证照需求可优先通过Prompt激活 ，为信贷AI建立了可评测 、检测和识别等任务 。奇富科技的实践指向同一目标：让AI深入金融生产系统，奇富科技在视觉场景中分散部署了70多个模型 ，