Figma画布编辑模型的训练方法公开了。2026年10月29日，Figma在官方博客介绍，团队为画布智能体训练了一个专用编辑模型：先用25万多条合成样本做监督微调，让模型学会按指令改动已有设计，再用强化学习补上模仿学习泛化不足的短板。该模型已随Figma智能体提供给全部用户。
微调阶段：25万条合成样本教会模型改画布
Figma的做法是把设计存成自家原生文件格式，再把起始设计、合成生成的编辑请求和一次成功的改动配成一条训练样本。教师模型先尝试编辑，确定性校验器和视觉评委检查输出是否合法、是否满足请求，管线还能按反馈自我修正、重做一版。早期用这种方法训练的Llama 3.3 70B模型，在编辑任务上已经能与当时的顶级模型一较高下。当时前沿模型读不懂Figma语法，靠大量系统提示词既费token又不可靠，微调是更直接的路。
只靠模仿不够：强化学习补泛化与评测口径
微调的代价是模型越来越像训练数据，遇到没见过的改法容易露怯，而且要覆盖设计编辑的方方面面，需要的样本量很大。Figma因此换用更新的基座模型，把强化学习放进训练配方，重点是更适合设计领域的训练环境、样本多样性、奖励模型和专家写明的评判标准，让奖励贴近设计师真正在意的东西。评测也按维度拆开：结构检查看改动是否合规，视觉评委看画面效果，专家设计师再校准结果。官方列出的典型失误包括图标与文字重叠、箭头被裁切、文字互相遮挡，这些都是只看整体分数容易漏掉的问题。内部评测里，自研编辑模型v3拿到77.8%，高于对比模型Sol 6.1的76.9%，Figma同时提醒，这只是选择基座模型的参考之一。
产品里怎么分工：自研模型管精细修改
Figma智能体在本月早些时候向全部用户开放，内置了这个自研编辑模型。分工上，精细修改和反复迭代交给自研模型，图像生成、矢量图和全新设计探索则用市面上最好的第三方模型。早期数据是：从测试版到正式可用，典型任务快约20%；与上一代生产版智能体比较，新智能体在62%的情况下打平或胜出；用户评分高33%，撤销少60%。自研模型驱动的工作占比翻了一倍多，每条消息平均成本下降，但Figma说明，改善来自模型、工具和编排层的合力，不全是编辑模型的功劳。对设计师来说，值得试的是每天重复的小改动：调间距、换颜色、按反馈重排版面，模型越接得住，留在创意本身的时间就越多。
