Fuyu-8B - LLM multimodal open source yang dirilis Adept

• Versi kecil dari model multimodal (gambar + teks) yang mereka gunakan dalam produk mereka
• Arsitektur dan proses pelatihannya sangat sederhana (tanpa image encoder)
• Dirancang untuk agen digital, mendukung resolusi gambar arbitrer, serta mampu menjawab pertanyaan tentang grafik dan diagram maupun pertanyaan berbasis UI
• Sangat cepat hingga mampu menghasilkan jawaban dalam 100 ms bahkan untuk gambar besar
• Meskipun dioptimalkan untuk use case mereka sendiri, performanya juga sangat baik pada benchmark standar pemahaman gambar
• Dirilis dengan lisensi CC-BY-NC