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 GPT新图-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 的表现像模与 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,这一核Ma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an所需的两个数据流。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o 别为0.9亿、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实现务如图表和文件分析方面,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理解,还能执行基于提示的编辑、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与生模态 AI 产生深远影响。
论文:https://arxiv.org/abs/2509.16197
划重点:
Manzano 是一种新型图像模型,能够成双同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。
️ 该模型采重能用混合图像标记器,减少了图像理解与生成之间的冲突。
- ·面壁智能推出 VoxCPM:新一代高拟真语音生成模型
- ·标签: 今日宜休 CMC资本 精力指数 王腾
- ·阿里云总裁张建锋:定义下一代的云 中国云计算就有超车机会
- ·京东云发布数字仓库解决方案 提升仓管效能、加速大宗商品现货流通
- ·AI赋能核电运营:Nuclearn完成1050万美元A轮融资,服务全球65座核反应堆
- ·黄仁勋:英伟达将转向提供AI云计算服务 生成式AI带来“拐点”
- ·腾讯辟谣!OpenAI 前研究员姚顺雨 “百万年薪” 入职传闻不实
- ·谷歌Veo 3视频生成模型登陆Google Photos 静态照片秒变动态视频
- ·谷歌 Gemini Live AI 助手全新功能上线,实时互动更智能
- ·Anthropic重磅升级:Claude Code企业版正式上线,命令行编程工具迎来变革时刻
- ·微软Copilot打破Excel工作流壁垒:一键完成数据分析、分类与内容生成
- ·标签: 小米集团 星纪魅族 曾洋 公关媒介
- ·Facebook卷入了Epic起诉苹果垄断案:被苹果要求提供部分文件
- ·5.6万次下载冲进前三!OpenAI的Sora还没全面开放就杀疯了
- ·Nous Research 发布 Hermes 4 AI 模型,超越 ChatGPT 并无内容限制
- ·实施Kubernetes以实现多云架构安全
- ·云计算开发:Python练习实例-对10个数进行排序
- ·标签: 小鹏汽车 财报 海外扩张
- ·超长视频生成的新突破!LongVie 框架让创作无界限
- ·AI床垫独角兽Eight Sleep狂揽1亿美元:让你的床成为健康卫士,F1车手都为它疯狂
- ·新一代 Kimi K2.6 上线遭遇功能问题,月之暗面重置用户额度作为补偿
- ·标签: 三星 SK海力士 马斯克 iQOO 15 Ultra
- ·云计算核心技术Docker教程:Docker 利用构建缓存
- ·标签: OpenAI 山姆・奥尔特曼 Gemini 3 超级智能
- ·Twitter将于周五推出付费认证服务:仅限于苹果iOS端应用
- ·IBM达到磁带存储的里程碑,概述了磁带在混合云未来中的作用
- ·深度心理创伤:多名用户投诉ChatGPT引发妄想和偏执,敦促FTC介入
- ·标签: 上海家化 美妆业务 2025年年报 经营性现金流
- ·云计算开发:Python内置函数-eval() 函数详解
- ·字节跳动Seed团队宣布推出3D生成大模型Seed 3D 1.0
- ·标签: 铠侠 NAND闪存 SSD 数据中心
- ·标签: Amkor Giel Rutten Kevin Engel 半导体
- ·IDC:今年中国新能源汽车销量将达116万辆
- ·二值化每个特征,微软用1350亿参数稀疏神经网络改进搜索结果
- ·阿里云支持吉利星睿智算中心算力效率提升,智驾模型训练提速200倍
- ·标签: AMD 苏姿丰 SIA 半导体
