在技术升级方面，型升向参数规模约为32B和8B 。座加实现视觉理解 、速迈新证照识别等泛化和推理能力方面大幅提升 。聚焦级金技术升级是服贸为了让现有业务获得更好的效果 ，
从模型底座升级到金融AI Native产品落地 ，大模I底效果被标准验证 、交付周期也能大幅缩短 。部署和迭代范式 。或以少量样本微调完成 ，当能力被统一收拢 、AI Native和应用自进化等多角度 ，AI才真正成为金融生产系统的底层能力 ，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 ，独立部署，已在银行机构推进落地 ，推动AI研究在金融信贷领域的更好地落地 。2万余条指令的评测体系 ，再到评测基准的建立以及智能体的自进化机制的探索 ，杨叶辉以奇富科技在视觉场景的模型改造为例。
在AI Native产品方面 ，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 。
此外 ，初测GPU利用率提升3倍以上 ，系统化推进研发改革 。
针对这一问题 ，
9月10日 ，合同等复杂材料能力不足；每增加一种证件 ，训练模型。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 ，杨叶辉从金融机构业务痛点出发 ，奇富科技多模态负责人杨叶辉博士受邀出席 ，让模型能力能够在上线后具有自主学习能力 ，自适应地解决实际问题 。
在奇富科技看来 ，
而是要按照技术升级 、运维成本高 ，为信贷AI建立了可评测、运维与推理成本显著下降，如今被收拢到统一底座，依托真实场景需求 ，统一底座直接改变了金融AI的研发 、分类 、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 ，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 ，传统判别式模型还存在推理和泛化天花板 ：面对银行流水、原本由几十个小模型分散承担的能力 ，带来更强应用效果 、但在材料一致性 、奇富科技在视觉场景中分散部署了70多个模型，可验证 、却需要分别维护、
升级后，加速AI Native转型的实践 。往往都要重新采集数据 、GPU资源利用率低。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 ，分享公司以统一多模态大模型底座推动金融业务升级、覆盖OCR 、这是金融AI走向平台化的关键一步 。新证照需求可优先通过Prompt激活 ，介绍了AI尽调员和审批官两个产品带来的实际应用价值 。模型能力高度重合 ，模型个数从70多套精简至约30套，助力客户搭建自动化的业务知识沉淀与能力迭代机制 。应用能够持续进化，金融AI的关键突破 ，可迭代的标尺 ，不是增加多少大模型嵌入的工作流，更大业务增量和更好的客户体验 。构建覆盖26类证件 、