Adept Fuyu-Heavy est un nouveau modèle multi-modal, spécialement conçu pour les agents numériques. Il excelle dans le raisonnement multi-modal, notamment dans la compréhension des interfaces utilisateur (UI), tout en affichant de bonnes performances sur les benchmarks multi-modaux traditionnels. De plus, il démontre notre capacité à étendre l'architecture Fuyu et à en tirer tous les avantages, notamment le traitement d'images de toutes tailles et formes, et la réutilisation efficace des optimisations de transformateurs existantes. Il possède également la capacité de surpasser ou d'égaler les performances des modèles de même niveau de calcul, même si une partie de la capacité doit être allouée à la modélisation d'images.