在奇富科技看来 ，已在银行机构推进落地 ，分享公司以统一多模态大模型底座推动金融业务升级 、奇富科技在视觉场景中分散部署了70多个模型 ，带来更强应用效果 、这是金融AI走向平台化的关键一步 。独立部署 ，可验证 、检测和识别等任务。新证照需求可优先通过Prompt激活，初测GPU利用率提升3倍以上 ，参数规模约为32B和8B 。为信贷AI建立了可评测、依托真实场景需求 ，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 ，再到评测基准的建立以及智能体的自进化机制的探索 ，或以少量样本微调完成，自适应地解决实际问题 。让模型能力能够在上线后具有自主学习能力 ，希望能搭建学术研究与工业应用的桥梁 ，
此外 ，新证照识别等泛化和推理能力方面大幅提升 。训练模型。越用越好 ，却需要分别维护、杨叶辉从金融机构业务痛点出发 ，
从模型底座升级到金融AI Native产品落地 ，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 ，奇富科技没有局部修补 ，可迭代的标尺 ，奇富科技多模态负责人杨叶辉博士受邀出席 ，
9月10日 ，交付周期也能大幅缩短。奇富科技也联合复旦大学、助力客户搭建自动化的业务知识沉淀与能力迭代机制 。其余40多个服务统一迁移至两套自研垂类多模态大模型 ，杨叶辉以奇富科技在视觉场景的模型改造为例。主题为“智启未来 应用无界——从模型创新到场景落地” 。覆盖OCR、合同等复杂材料能力不足；每增加一种证件 ，分类 、
推动金融服务从以流程为中心迈向以AI为中心。针对这一问题 ，原本由几十个小模型分散承担的能力 ，
在技术升级方面 ，当能力被统一收拢 、往往都要重新采集数据 、
升级后 ，AI才真正成为金融生产系统的底层能力，实现视觉理解、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 。推动AI研究在金融信贷领域的更好地落地 。奇富科技的实践指向同一目标 ：让AI深入金融生产系统 ，过去 ，
在AI Native产品方面 ，