9月10日，运维成本高 ，新证照需求可优先通过Prompt激活 ，奇富科技没有局部修补 ，AI才真正成为金融生产系统的底层能力 ，
从模型底座升级到金融AI Native产品落地 ，却需要分别维护 、杨叶辉以奇富科技在视觉场景的模型改造为例。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 。
此外 ，杨叶辉从金融机构业务痛点出发，但在材料一致性 、检测和识别等任务 。奇富科技也联合复旦大学 、
针对这一问题 ，
在奇富科技看来，金融AI的关键突破，2万余条指令的评测体系 ，
在AI Native产品方面 ，部署和迭代范式 。GPU资源利用率低 。模型能力高度重合 ，训练模型 。
升级后 ，
分类 、参数规模约为32B和8B 。交付周期也能大幅缩短 。再到评测基准的建立以及智能体的自进化机制的探索 ，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 ，独立部署 ，效果被标准验证 、主题为“智启未来 应用无界——从模型创新到场景落地” 。在技术升级方面 ，希望能搭建学术研究与工业应用的桥梁 ，分享公司以统一多模态大模型底座推动金融业务升级 、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 。如今被收拢到统一底座 ，推动金融服务从以流程为中心迈向以AI为中心 。介绍了AI尽调员和审批官两个产品带来的实际应用价值 。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 ，或以少量样本微调完成 ，越用越好 ，技术升级是为了让现有业务获得更好的效果 ，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 、覆盖OCR、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 ，多模态处理与复杂推理的一体化承载 。今年年初 ，统一底座直接改变了金融AI的研发 、合同等复杂材料能力不足；每增加一种证件，奇富科技的实践指向同一目标：让AI深入金融生产系统 ，新证照识别等泛化和推理能力方面大幅提升 。