5月8日消息，继今年早些时候发布全球首个面向信贷场景的多模态评测基准FCMBench-V1.0与V1.1后，奇富科技近日再推重磅成果，正式发布信贷场景专属的视频评测任务FCMBench-Video-V1.0，旨在通过视频任务推动信贷AI评测从“看懂一张图”进阶到“理解一段过程”。这为信贷场景中的视频理解能力提供了一把可量化的新标尺，标志着AI评测从“静态识别”向“动态研判”迈出了关键一步。

一张精心PS的证件照可能骗过静态审核系统，但一段手持拍摄的连续视频却会“泄密”：人物动作的连贯性、光照变化的连续性、对焦漂移的过程，乃至纸张翻页时的物理褶皱，这些天然携带的真实性信息极难被完美伪造。

FCMBench-Video正是锚定这一特性，将多模态大模型的评测，从二维图像推向了三维时空。

如果说FCMBench解决的是“模型能否读懂静态证照”的问题，那么FCMBench-Video关注的则是更具挑战性的能力边界。视频带来的不仅是更多画面，而是时间维度的引入，以及信息在时间轴上的组织方式。模型不仅需要识别内容，还需要理解这些内容在何时出现、是否重复出现、是否与前后信息一致，以及在复杂干扰下是否仍能保持稳定判断。这些能力直接关系到反欺诈链条中的关键环节，也是传统评测体系难以覆盖的盲区。

举个例子。一段视频里同一个证件反复出现，模型得学会“去重”，不能数一次就算一次；连续出现好几份文件，模型得会“对账”，比一比它们之间有没有矛盾；如果出了风险，模型还得能说出“我是根据第几秒的画面下的判断”。这些不再是简单的识别，而是考验记忆、推理和判断的综合题。

更值得关注的是，FCMBench-Video还创新性加入“防忽悠”测试，专门检验模型的反欺诈能力。测试中，研究人员会在视频末尾故意添加“已核实通过”等误导性提示，观察模型会不会因此忽略前面发现的风险。结果显示，不同模型的反欺诈能力差距悬殊，且暂无通用方法能规避此类误导，这一发现直接点明视频AI模型的安全性需专项测试、持续优化，为行业技术迭代指明了关键方向。在数据构建层面，FCMBench-Video延续了来源于业务、服务于业务的原则，同时进一步平衡了真实性与合规性之间的关系。通过模拟真实拍摄过程，结合多种现实环境下的画质变化，并在此基础上构建不同复杂度的视频样本，使评测既具备真实世界的挑战性，又避免涉及敏感信息。这种方法不仅保证了评测结果的参考价值，也为行业提供了一种可复制的数据构建路径。

从整体评测结果来看，当前主流视频多模态模型之间仍存在较大能力差距，即使是表现最优的模型，在部分关键任务上也未达到可以直接应用于生产环境的水平。这意味着，视频理解能力在信贷场景中的落地仍处于早期阶段，更印证了FCMBench-Video具备极强的能力区分度，能精准衡量模型的真实水平与提升空间，为企业技术选型、科研机构研究提供权威参考。

作为FCMBench评测基准的重要组成部分，FCMBench-Video延续开放共享理念，配套数据集与工具已同步开源开放，旨在汇聚更多科研工作者及行业机构参与信贷AI能力建设，为信贷AI技术落地实际应用搭建坚实桥梁。

需要说明的是，当前版本的FCMBench-Video所覆盖的文档视频分析，仅为信贷场景视频分析任务的细分维度之一。本次任务设计，提炼自奇富科技当前迭代打磨中的视频尽调AI产品。AI视频尽调不仅要求模型具备准确的文档内容理解能力，更需要对企业经营现场开展全方位综合研判，涵盖厂房环境、生产设备、原料库存、工艺流程、人员作业状态等关键维度，进而推演企业真实经营现状、偿债履约水平及潜在经营风险。这类真实业务诉求，对视频尽调AI模型的产业化落地提出了更高标准与全新挑战。

FCMBench-Video所构建的评测方法论，能够助力复杂视频尽调场景筑牢核心技术底座，推动多模态信贷AI评测从“看懂一张图”升级为“理解一座工厂”，逐步完善覆盖信贷全业务流程的评测能力体系，实现评测基准源于业务场景、赋能业务落地。