热点

苹果推出新图像模型 Manzano 实现理解与生成双重能力

字号+ 作者:牛骥同槽网 来源:软件著作权 2026-11-23 我要评论(0)

苹果推出新图像模型 Manzano 实现理解与生成双重能力

苹果公司最近在其研究中介绍了一种名为 Manzano 的新型图像模型,该模型旨在同时处理图像理解和生成。这一双重能力的实现是当前许多开源模型面临的技术难题,苹果而苹果表示,这使其在图像处理的效率和效果上更接近商业系统,如 OpenAI 和谷歌所提供的技术。

目前,Manzano 尚未对外发布,也没有进行公开演示。但苹果的推出研究团队分享了一篇研究论文,附带了一些低分辨率的图像样本,展示了模型在处理复杂提示时的能力。这些样本与开源模型 Deepseek Janus Pro 和商业系统 G新图PT-4o、Gemini2.5Flash Image Generation(又名 “Nano Banana”)的输出进行了对比。在三组挑战性提示的测试中,Manzano 的像模表现与 OpenAI 的 GPT-4o 和谷歌的 Nano Banana 相当。

苹果指出,目前大多数开源模型的核心限制在于,它们往往需要在强大的图像分析和生成能力之间进行选型 择,而商业系统则能够两者兼顾。尤其是在处理包含大量文本的任务时,如阅读文件或解读图表,现有模型表现尤为乏力。

Manzano 的设计采用了一种混合图像标记器,Ma这一核心理念使其能够输出两种类型的标记:连续标记和离散标记。连续标记用浮点数表示图像,用于理解,而离散标记则将图像划分为固定类别,以便于生成。由于两种标记都来nz自同一个编码器,这减少了传统模型中可能出现的冲突。

在训练阶段,Manzano 融合了连续和离散适配器来调整语言模型的解码器。推理时,它提供了理解和生成图像所需an的两个数据流。Manzano 的架构主要由三部分组成:混合标记器、统一语言模型和用于最终输出的独立图像解码器。苹果构建了三种不同参数量的图像解码器,分别为0.9亿、o 1.75亿和3.52亿个参数,支持256到2048像素的分辨率。

苹果的测试结果显示,Manzano 在多个基准测试中表现优异,特别是在处理文本密集型任务如图表和文实现件分析方面,30亿参数版本的得分尤为突出。研究还发现,随着模型参数量从3亿到30亿增加,性能持续改善。

Manzano 不仅能处理经典的图像编辑任务,还能执行理解基于提示的编辑、风格迁移、图像填充、扩展和深度估计等新任务。苹果认为,Manzano 是现有模型的一个可行替代方案,其模块化设计可能会对未来的多模态 AI 产与生生深远影响。

论文:https://arxiv.org/abs/2509.16197

划重点:  

Manzano 是一种新型图像模型,能够同成双时进行图像理解和生成。  

苹果的研究显示,Manzano 在处理复杂文本任务时表现优异,接近商业系统的水平。  

️重能 该模型采用混合图像标记器,减少了图像理解与生成之间的冲突。

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

相关文章
  • 亚马逊 AWS 宕机,ChatGPT 等数百个服务 “瘫痪”,互联网受重创

    亚马逊 AWS 宕机,ChatGPT 等数百个服务 “瘫痪”,互联网受重创

    2026-06-28

  • 百度ALL IN AI:李彦宏现场签发百万美元巨奖,直言AI大模型已达“临界点”

    百度ALL IN AI:李彦宏现场签发百万美元巨奖,直言AI大模型已达“临界点”

    2026-08-23

  • 任正非:华为云最终还是为客户提供服务 “以客户为中心”依然是问题的本质

    任正非:华为云最终还是为客户提供服务 “以客户为中心”依然是问题的本质

    2026-07-01

  • 标签: 乔路铭科技 比亚迪 吉利 汽车饰件

    标签: 乔路铭科技 比亚迪 吉利 汽车饰件

    2026-09-02

网友点评