信贷场景下的AI评测正迎来一场关键变革。奇富科技近日宣布推出全球首个信贷场景专属视频评测任务FCMBench-Video-V1.0，将传统基于静态图像的评测体系升级为动态视频分析框架。这一突破标志着信贷AI评测从"二维平面识别"迈向"三维时空理解"，为行业构建了全新的能力评估维度。
传统静态审核系统面临严峻挑战：经过精心处理的证件照可能通过图像识别，但动态视频中人物动作的连贯性、光照变化的自然过渡、对焦过程的细微波动，以及纸张翻折产生的物理褶皱等特征，构成了难以伪造的真实性证据链。FCMBench-Video正是抓住这一特性，将评测焦点从单帧图像扩展至连续视频流，要求模型在时空维度上建立信息关联能力。
该评测体系设置了多维度能力考核标准。在基础层面，模型需具备"去重"能力——准确识别视频中重复出现的证件并避免重复计数；在进阶层面，要求实现"对账"功能——比对多份文件间的逻辑一致性；更复杂的是"时序归因"能力，即模型必须能明确指出风险判断依据的具体时间节点。这些能力直接对应信贷反欺诈场景中的核心痛点，填补了传统评测体系的盲区。
创新性设计的"防忽悠"测试成为最大亮点。研究人员在视频结尾刻意插入"已核实通过"等误导性字幕，观察模型是否会被干扰而忽略前期发现的风险。测试结果显示，不同模型在抗干扰能力上存在显著差异，且尚未出现通用的规避方案。这一发现为行业敲响警钟：视频AI模型的安全性需要专项强化训练，持续优化成为必然选择。
在数据构建方面，该评测体系采用"业务驱动"原则，通过模拟真实拍摄环境生成评测样本。研发团队精心设计了多种现实场景下的画质变化，包括不同光照条件、拍摄距离和设备参数组合，在确保数据真实性的同时严格规避敏感信息。这种平衡真实性与合规性的构建方法，为行业提供了可复制的数据生产范式。
评测结果显示，当前主流视频多模态模型仍存在明显能力断层。即便是表现最优的模型，在复杂时序推理、抗干扰判断等关键任务上仍未达到商用标准。这种分层现象恰恰印证了FCMBench-Video的评测价值——其设计的高区分度指标能够精准定位模型短板，为金融机构技术选型和科研机构优化方向提供权威参考。
作为开放技术生态的重要实践，FCMBench-Video配套的数据集和评测工具已实现全开源。这种开放策略旨在吸引更多科研力量参与信贷AI建设，通过群体智慧加速技术迭代。值得注意的是，当前版本聚焦的文档视频分析仅是信贷场景的细分领域，真实业务中的视频尽调需要模型对企业经营现场进行全要素解析，包括厂房布局、设备状态、工艺流程等30余个维度，这对模型的综合研判能力提出更高要求。
FCMBench-Video构建的评测方法论，正在为复杂视频尽调场景奠定技术基础。其目标不仅是提升单点技术能力，更要推动信贷AI评测体系覆盖全业务流程，最终实现从"识别单张票据"到"理解企业运营"的跨越式发展。这种源于业务实践、反哺业务落地的评测范式，正在重塑金融科技领域的技术评估标准。
