清華、北大等86所高校布局元宇宙，是風口還是噱頭？
作者：徐賜豪來源：區塊鏈日報據全國高校人工智能與大數據創新聯盟元宇宙專委會不完全統計，截至2023年7月，全國共有86所高校戰略布局元宇宙領域，其中本科院校73所，高職專科院校13所
9 月 27 日消息，蘋果正在研發一款名為 Manzano 的新圖像模型，旨在同時具備圖像理解與圖像生成兩大能力。
不過目前 Manzano 尚未正式發布，也沒有演示 Demo，只有一篇作者絕大多數都是華人的預印本論文（包括已經跳槽到 Meta 的龐若鳴），還展示了部分低分辨率圖像樣例，涵蓋較復雜的提示場景。
蘋果表示，這一雙重功能長期以來是技術難點，使得大多數開源模型在綜合表現上落后于 OpenAI 和 Google 等商業系統。
蘋果將其與 DeepSeek Janus Pro 等 AI 模型進行了對比，結果顯示 Manzano 不弱于 OpenAI GPT-4o 和谷歌的 Gemini 2.5 Flash Image Generation（注：原代號 Nano Banana）。
蘋果指出，大多數開源模型在圖像處理上存在取舍：要么擅長圖像分析，要么擅長圖像生成，而商業系統通常能兼顧。尤其在涉及大量文本的任務（如文檔閱讀、圖表解讀）時，現有模型表現不佳。問題根源在于圖像處理方式：連續數據流更適合理解，而離散符號則更適合生成，多數模型為這兩類任務分配不同工具，易引發沖突。
為此，Manzano 采用了混合圖像分詞器。其共享編碼器可輸出兩類標記：連續標記（用于圖像理解，以浮點數形式表達）和離散標記（用于圖像生成，按固定類別劃分）。由于二者源自同一編碼器，因此其任務沖突顯著減少。
Manzano 的整體架構包括三部分：混合分詞器、統一語言模型，以及獨立的圖像解碼器。蘋果為解碼器構建了三個版本，參數規模分別為 9 億、17.5 億和 35.2 億，支持 256 像素至 2048 像素分辨率。
訓練過程分為三個階段，使用 23 億對圖像-文本樣本（來自公開和內部數據），以及 10 億對文本-圖像樣本，總計處理 1.6 萬億標記。部分訓練數據來自合成生成，如 DALL-E3 和 ShareGPT-4o。
在內部測試中，Manzano 在 ScienceQA、MMMU 和 MathVista 等基準上表現優異，尤其在圖表和文檔分析等文字密集型任務中，300 億參數版本成績突出。擴展測試顯示，模型性能隨規模提升而持續改善，例如 30 億參數版本在部分任務中比最小模型高出 10 分以上。
蘋果還將統一模型與專業化系統對比，差距僅為個位數分值：在 30 億參數版本中，差距不到 1 分。在圖像生成測試中，Manzano 亦接近前列，可執行復雜指令、風格遷移、圖像疊加與深度估計等任務。
蘋果認為，Manzano 是現有模型的有力替代方案，其模塊化設計可支持各部分獨立更新，并借鑒不同研究領域的訓練方法，有潛力推動未來多模態 AI 的發展。
不過，目前蘋果的基礎模型整體仍落后于行業領先者。即便推出新的端側 AI 框架，蘋果仍計劃在 iOS 26 的 Apple Intelligence 中引入 OpenAI GPT-5。Manzano 展示了技術上的進展，但是否能減少對外部模型的依賴，還需未來版本進一步驗證。
本文鏈接：http://www.yifxia.cn/showinfo-45-28181-0.html蘋果探索自研多模態 AI 模型 Manzano：兼具理解與生成能力，不弱于 OpenAI GPT-4o 和谷歌 Nano Banana
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號