O Adept Fuyu-Heavy é um novo modelo multi-modal, projetado especificamente para agentes digitais. Ele demonstra excelente desempenho em raciocínio multi-modal, particularmente na compreensão de interfaces de usuário (UI), e também se sai bem em benchmarks multi-modais tradicionais. Além disso, ele demonstra nossa capacidade de escalar a arquitetura Fuyu e obter todos os seus benefícios, incluindo o processamento de imagens de qualquer tamanho/formato e a reutilização eficiente de otimizações de transformadores existentes. Ele também possui a capacidade de igualar ou superar o desempenho de modelos do mesmo nível computacional, apesar da necessidade de alocar parte da capacidade para modelagem de imagens.