Manzano

O MANZANO é um modelo multimodal unificado desenvolvido pela Apple, projetado para compreender e gerar imagens dentro de uma única arquitetura. Sua proposta é simplificar e escalar o uso de IA multimodal por meio de um tokenizador de visão híbrido, que combina representações contínuas para análise e tokens discretos para geração. Isso permite que o modelo atue tanto em tarefas de interpretação visual (image-to-text) quanto de criação (text-to-image) de forma eficiente e integrada.

‍

‍

O MANZANO ainda não tem um modelo de precificação definido para o mercado, já que se trata de uma pesquisa acadêmica em estágio inicial. Contudo, pela natureza do projeto e pelo histórico da Apple, espera-se que ele possa ser incorporado futuramente em produtos e serviços do ecossistema, como o iPhone, iPad, Vision Pro e até no iCloud, agregando valor sem necessariamente ser vendido como um serviço separado.

Como ainda é um projeto de pesquisa, não há planos comerciais divulgados. Se seguir o padrão da Apple, o MANZANO provavelmente será embutido em produtos já existentes, funcionando como feature premium dentro de dispositivos e serviços, em vez de ser oferecido como ferramenta independente.

O MANZANO representa um marco na pesquisa de modelos multimodais, ao unificar compreensão e geração de imagens em uma arquitetura simples e escalável. Embora seu impacto ainda esteja restrito ao ambiente acadêmico, é provável que a Apple o transforme em diferencial competitivo dentro do seu ecossistema. Para o mercado, o modelo reforça a tendência de multimodalidade integrada como próximo passo da inteligência artificial aplicada a produtos de consumo.