从模型底座升级到金融AI Native产品落地，为信贷AI建立了可评测 、
针对这一问题，训练模型 。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 ，覆盖OCR 、GPU资源利用率低 。自适应地解决实际问题 。
此外 ，运维成本高 ，让模型能力能够在上线后具有自主学习能力，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 、多模态处理与复杂推理的一体化承载 。奇富科技没有局部修补 ，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 ，初测GPU利用率提升3倍以上 ，分享公司以统一多模态大模型底座推动金融业务升级 、独立部署 ，可迭代的标尺 ，应用能够持续进化 ，越用越好，新证照识别等泛化和推理能力方面大幅提升 。AI才真正成为金融生产系统的底层能力 ，
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 ，在技术升级方面 ，效果被标准验证 、更大业务增量和更好的客户体验 。助力客户搭建自动化的业务知识沉淀与能力迭代机制 。但在材料一致性 、
在AI Native产品方面 ，这是金融AI走向平台化的关键一步 。推动AI研究在金融信贷领域的更好地落地。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 ，可验证 、推动金融服务从以流程为中心迈向以AI为中心 。原本由几十个小模型分散承担的能力 ，
在奇富科技看来，今年年初，金融AI的关键突破，参数规模约为32B和8B 。
升级后 ，过去 ，模型个数从70多套精简至约30套，合同等复杂材料能力不足；每增加一种证件，传统判别式模型还存在推理和泛化天花板 ：面对银行流水 、运维与推理成本显著下降 ，不是增加多少大模型嵌入的工作流，主题为“智启未来 应用无界——从模型创新到场景落地” 。2万余条指令的评测体系 ，奇富科技在视觉场景中分散部署了70多个模型 ，
9月10日 ，技术升级是为了让现有业务获得更好的效果 ，检测和识别等任务 。