sexysasa

Manzano

互联网 2025-10-05 18:02:45

Manzano是苹果公司推出的新型多模态大语言模型(LLM),能同时实现图像理解和图像生成的统一。模型通过混合视觉分词器(hybrid vision tokenizer)将图像转化为连续的嵌入向量用于理解任务,及离散的图像标记用在生成任务。Manzano的核心是自回归的LLM解码器,能预测文本和图像标记。Manzano配备一个扩散解码器(diffusion decoder),用在将生成的图像标记转化为像素级别的图像。使Manzano在理解任务和生成任务上都表现出色,同时在模型规模扩大时,性能会相应提升。