El 29 de octubre, Figma publicó un artículo en el que presenta un modelo propio de edición de diseño. Su base es el Qwen 3.8 27B de código abierto de Alibaba, ajustado con aprendizaje supervisado y refuerzo para hacer modificaciones precisas sobre diseños ya existentes. El modelo ya está integrado en el agente de IA de Figma, y el propio agente también se ha abierto oficialmente a todos los usuarios.
El artículo no le da un nombre público al modelo; en el gráfico de evaluación aparece como "Figma design edits v3". En la evaluación interna de edición de Figma obtiene 77,8 %, frente al 76,9 % del modelo de terceros Sol 6.1.
"We've increasingly seen that specialized post-training can compete with frontier models."
Cada vez vemos más que un posentrenamiento especializado puede competir con los modelos de frontera.
Dos pasos: primero imitar, luego reforzar
La primera versión usaba como base Llama 3.3 70B. Cada muestra de entrenamiento combinaba un diseño original, una petición de cambio sintética y un resultado de edición correcto; los diseños se representan directamente en el formato de archivo propio de Figma, y los recursos del sistema de diseño, como temas y componentes, también recibieron indicaciones sintéticas.
Los datos se generan haciendo que un modelo profesor más grande intente primero la modificación, que luego pasa por verificadores deterministas y un modelo de visión que la evalúa; la cadena puede autocorregirse según los resultados de la evaluación. Las primeras versiones usaron más de 250 000 muestras y, en tareas de edición, ya igualaban a los mejores modelos de entonces.
El límite del aprendizaje por imitación pronto se hizo evidente: el modelo solo producía diseños muy parecidos a los ejemplos de entrenamiento, generalizaba mal y aprovechaba poco las muestras. El equipo pasó entonces al aprendizaje por refuerzo, centrándose en los entornos de entrenamiento del ámbito del diseño, la diversidad de muestras, los modelos de recompensa y las rúbricas escritas por expertos en diseño. Al cambiar la base a Qwen 3.8 27B, también evaluaron series más recientes de Qwen, Muse Spark Open e Inkling.
Las cifras tras el lanzamiento
Figma publicó varios cambios entre la versión beta y la versión oficial:
- la velocidad en tareas típicas aumentó alrededor de un 20 %;
- en pruebas ciegas con diseñadores profesionales, el nuevo agente fue mejor o igual que el anterior en el 62 % de las comparaciones;
- la valoración de los usuarios subió un 33 % y los cambios del agente que se deshicieron bajaron un 60 %;
- la proporción de trabajo que asume el modelo propio se ha más que duplicado y el coste medio por mensaje ha bajado.
El reparto de funciones también está claro: las ediciones precisas y la iteración en varias rondas corresponden al modelo propio, mientras que generar imágenes y gráficos vectoriales y explorar diseños nuevos desde cero siguen recurriendo al mejor modelo de terceros.
Otras empresas en el mismo camino
En los últimos dos años, cada vez más empresas usan bases abiertas para hacer posentrenamiento sectorial. Cursor entrenó modelos propios para completar y reescribir código; el CEO de Airbnb, Brian Chesky, dijo públicamente el año pasado que los agentes de atención al cliente de la compañía usan Qwen de forma intensiva. El planteamiento de Figma es parecido: los modelos generales son buenos creando algo de la nada, pero hacer cambios pequeños y precisos sobre el trabajo de otros sin romper el sistema de diseño depende de muchos datos del propio campo.
Lo interesante está en la base. Que una empresa estadounidense de software de diseño construya su capacidad central de edición sobre Qwen indica que los modelos abiertos chinos ya son una opción en productos comerciales en el extranjero. Cuánto ha bajado exactamente el coste, dónde se despliega el modelo de 27B y qué nube se usa para la inferencia son datos que Figma no ha revelado.
Fuentes: CocoLoop, blog oficial de Figma; el blog oficial sirvió para verificar el modelo base, el volumen de muestras de entrenamiento y la puntuación en la evaluación interna, y los indicadores posteriores al lanzamiento son los que informa la propia Figma.