9月28日消息，蘋果正在研發(fā)名為Manzano的新圖像模型，旨在兼具圖像理解和圖像生成能力。

目前Manzano尚未發(fā)布，僅有一篇預(yù)印本論文和部分低分辨率圖像樣例。

蘋果表示，大多數(shù)開源模型在圖像處理上存在取舍，而Manzano采用混合圖像分詞器，其共享編碼器可輸出連續(xù)標(biāo)記和離散標(biāo)記，減少任務(wù)沖突。Manzano整體架構(gòu)包括混合分詞器、統(tǒng)一語言模型和獨(dú)立圖像解碼器，解碼器有三個(gè)版本，支持不同分辨率。訓(xùn)練使用大量圖像文本樣本，內(nèi)部測試顯示其在文字密集型任務(wù)中表現(xiàn)優(yōu)異，性能隨規(guī)模提升而改善。蘋果認(rèn)為Manzano是有力替代方案，但目前其基礎(chǔ)模型仍落后于行業(yè)領(lǐng)先者，未來版本需進(jìn)一步驗(yàn)證。