从模型底座升级到金融AI Native产品落地，大模I底主题为“智启未来 应用无界——从模型创新到场景落地”。实现视觉理解、部署和迭代范式 。更大业务增量和更好的客户体验 。训练模型 。分类 、自适应地解决实际问题 。为信贷AI建立了可评测 、
此外 ，技术升级是为了让现有业务获得更好的效果 ，运维成本高，奇富科技多模态负责人杨叶辉博士受邀出席 ，
在奇富科技看来 ，
在技术升级方面 ，
在AI Native产品方面 ，或以少量样本微调完成，可迭代的标尺 ，其余40多个服务统一迁移至两套自研垂类多模态大模型 ，2万余条指令的评测体系 ，检测和识别等任务。金融AI的关键突破，应用能够持续进化 ，这是金融AI走向平台化的关键一步 。杨叶辉从金融机构业务痛点出发，分享公司以统一多模态大模型底座推动金融业务升级 、但在材料一致性 、推动AI研究在金融信贷领域的更好地落地。
升级后 ，
9月10日，模型个数从70多套精简至约30套 ，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 ，模型能力高度重合 ，可验证 、
运维与推理成本显著下降 ，当能力被统一收拢 、希望能搭建学术研究与工业应用的桥梁 ，构建覆盖26类证件 、介绍了AI尽调员和审批官两个产品带来的实际应用价值 。今年年初 ，多模态处理与复杂推理的一体化承载 。加速AI Native转型的实践 。原本由几十个小模型分散承担的能力 ，带来更强应用效果 、杨叶辉以奇富科技在视觉场景的模型改造为例。奇富科技在视觉场景中分散部署了70多个模型 ，新证照识别等泛化和推理能力方面大幅提升 。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） ，却需要分别维护 、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 ，让模型能力能够在上线后具有自主学习能力 ，参数规模约为32B和8B。依托真实场景需求 ，往往都要重新采集数据 、再到评测基准的建立以及智能体的自进化机制的探索 ，过去 ，针对这一问题 ，合同等复杂材料能力不足；每增加一种证件 ，而是要按照技术升级 、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 ，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 ，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 ，如今被收拢到统一底座 ，GPU资源利用率低。推动金融服务从以流程为中心迈向以AI为中心 。新证照需求可优先通过Prompt激活 ，覆盖OCR 、