Adept Fuyu-Heavy es un nuevo modelo multimodal, diseñado específicamente para agentes digitales. Destaca por su excelente rendimiento en el razonamiento multimodal, especialmente en la comprensión de interfaces de usuario (UI), a la vez que ofrece buenos resultados en pruebas de referencia multimodales tradicionales. Además, demuestra nuestra capacidad para ampliar la arquitectura Fuyu y obtener todas las ventajas asociadas, incluyendo el procesamiento de imágenes de cualquier tamaño/forma y la reutilización eficiente de optimizaciones de transformadores existentes. También posee la capacidad de igualar o superar el rendimiento de modelos del mismo nivel computacional, aunque requiere parte de su capacidad para el modelado de imágenes.