蘋果正在研發名為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尚未發布，僅有一篇預印本論文和部分低分辨率圖像樣例。蘋果表示，大多數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標記和離散標記，減少任務沖突。Manzano整體架構包括混合分詞器、統一語言模型和獨立圖像解碼器，解碼器有三個版本，支持不同分辨率。訓練使用大量圖像文本樣本，內部測試顯示其在文字密集型任務中表現優異，性能隨規模提升而改善。蘋果認為Manzano是有力替代方案，但目前其基礎模型仍落后于行業領先者，未來版本需進一步驗證。