Adept liberó Fuyu-8B, un modelo multimodal abierto diseñado desde cero con una arquitectura radicalmente simplificada que elimina los codificadores de visión tradicionales para alimentar directamente parches de imagen al Transformer, optimizando la comprensión de pantallas, diagramas y navegación web interactiva.
La noticia en una frase
Adept presentó Fuyu-8B, un modelo multimodal de 8.000 millones de parámetros que redefine la velocidad y flexibilidad de los agentes visuales al procesar directamente resoluciones arbitrarias de pantalla sin intermediarios de visión desacoplados.
