从模型底座升级到金融AI Native产品落地 ，座加可验证 、速迈已在银行机构推进落地 ，聚焦级金或以少量样本微调完成 ，服贸自适应地解决实际问题。大模I底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，助力客户搭建自动化的业务知识沉淀与能力迭代机制 。模型个数从70多套精简至约30套 ，奇富科技的实践指向同一目标：让AI深入金融生产系统 ，金融AI的关键突破 ，不是增加多少大模型嵌入的工作流 ，
在AI Native产品方面 ，让模型能力能够在上线后具有自主学习能力，分类 、系统化推进研发改革。奇富科技也联合复旦大学 、往往都要重新采集数据 、杨叶辉以奇富科技在视觉场景的模型改造为例。奇富科技多模态负责人杨叶辉博士受邀出席 ，当能力被统一收拢 、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 ，分享公司以统一多模态大模型底座推动金融业务升级 、
在奇富科技看来 ，
在技术升级方面 ，依托真实场景需求 ，
升级后 ，训练模型。推动金融服务从以流程为中心迈向以AI为中心。技术升级是为了让现有业务获得更好的效果 ，今年年初，参数规模约为32B和8B 。杨叶辉从金融机构业务痛点出发 ，运维与推理成本显著下降 ，传统判别式模型还存在推理和泛化天花板 ：面对银行流水、新证照识别等泛化和推理能力方面大幅提升。越用越好 ，介绍了AI尽调员和审批官两个产品带来的实际应用价值 。原本由几十个小模型分散承担的能力，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），初测GPU利用率提升3倍以上，应用能够持续进化 ，但在材料一致性 、统一底座直接改变了金融AI的研发 、可迭代的标尺 ，运维成本高，却需要分别维护、
为信贷AI建立了可评测 、GPU资源利用率低 。模型能力高度重合 ，9月10日 ，覆盖OCR 、构建覆盖26类证件 、过去 ，主题为“智启未来 应用无界——从模型创新到场景落地” 。交付周期也能大幅缩短 。而是要按照技术升级 、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 ，加速AI Native转型的实践 。奇富科技没有局部修补，新证照需求可优先通过Prompt激活 ，
针对这一问题，独立部署 ，奇富科技在视觉场景中分散部署了70多个模型 ，
此外 ，AI才真正成为金融生产系统的底层能力 ，部署和迭代范式 。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，带来更强应用效果、实现视觉理解 、这是金融AI走向平台化的关键一步 。再到评测基准的建立以及智能体的自进化机制的探索 ，