Adept Fuyu-Heavy ist ein neuartiges multimodales Modell, das speziell für digitale Agenten entwickelt wurde. Es zeichnet sich durch hervorragende Leistungen im multimodalen Schließen, insbesondere im UI-Verständnis, aus und erzielt gleichzeitig gute Ergebnisse in traditionellen multimodalen Benchmark-Tests. Darüber hinaus zeigt es, dass wir die Fuyu-Architektur erweitern und alle damit verbundenen Vorteile nutzen können, darunter die Verarbeitung von Bildern beliebiger Größe/Form und die effiziente Wiederverwendung bestehender Transformer-Optimierungen. Es verfügt zudem über die Fähigkeit, die Leistung von Modellen mit gleichem Rechenaufwand zu erreichen oder zu übertreffen, obwohl ein Teil der Kapazität für die Bildmodellierung verwendet werden muss.