In einem offiziellen Blogbeitrag vom 29. Oktober 2026 beschrieb Figma, wie es ein spezialisiertes Canvas-Bearbeitungsmodell für den Figma-Agenten trainiert. Der Ausgangspunkt ist bewusst eng gefasst: kein Design von Grund auf zu erzeugen, sondern Designer dabei zu unterstützen, zu ändern, was bereits auf der Leinwand ist – Abstände anpassen, eine Farbe wechseln, ein Layout nach Feedback überarbeiten. Das sind kleine Bearbeitungen, die sich den ganzen Tag wiederholen und sich mit einem einzigen Maßstab nur schwer beurteilen lassen.
Mehr als 250.000 synthetische Beispiele, um zuerst die Bearbeitungen zu lernen
Figma begann mit überwachtem Fine-Tuning. Jedes Trainingsbeispiel verband ein Ausgangsdesign mit einer synthetisch erzeugten Bearbeitungsanfrage und einer erfolgreichen Änderung und stellte das Design in Figmas nativem Dateiformat dar, damit die Ausgabe des Modells direkt auf die Leinwand angewendet werden konnte. Größere Lehrermodelle versuchten die Bearbeitungen zuerst; deterministische Prüfer und visuelle Modell-Juroren kontrollierten, ob die Ausgabe gültig war und die Anfrage erfüllte, und die Pipeline konnte eine Bearbeitung anhand des Feedbacks selbst korrigieren. Laut Figma wurde ein frühes Modell auf Basis von Llama 3.3 70B, trainiert mit mehr als 250.000 Beispielen, bei Bearbeitungsaufgaben konkurrenzfähig mit den damals besten Modellen.
Imitation stieß an ihre Grenze, Reinforcement Learning ergänzt die Generalisierung
Reine Imitation hat ihren Preis: Das Modell neigt dazu, Designs aus dem Training zu reproduzieren, die Generalisierung schwächt sich ab, und um jede Art von Bearbeitung abzudecken, braucht es sehr viele Beispiele. Figma hat deshalb Reinforcement Learning in sein neuestes Trainingsrezept aufgenommen und legt den Schwerpunkt auf RL-Umgebungen, die näher an der Designdomäne liegen, vielfältigere Beispiele, besser geformte Belohnungsmodelle und von Experten verfasste Kriterien, damit die Belohnungen widerspiegeln, was Designer wirklich wichtig finden. Auch die Basismodelle wurden aktualisiert; Figma nennt unter anderem neuere Qwen-Modelle.
Die Bewertung erfolgt nach Dimensionen getrennt, die Produktzahlen kommen zuerst
Figma fasst Designqualität nicht zu einer einzigen Punktzahl zusammen. Ausrichtung, Kontrast, Erfüllung der Anfrage und korrekte Komponentenverwendung werden getrennt bewertet; Strukturprüfungen werden mit visuellen Juroren kombiniert und von erfahrenen Designern kalibriert. Eine von Figma veröffentlichte interne Bewertungsübersicht zeigt das neueste, noch unveröffentlichte Bearbeitungsmodell bei 77,8 Prozent, knapp vor einem anderen Modell mit 76,9 Prozent. Auf der Produktseite sagt Figma, der Agent sei für alle Nutzer ausgerollt worden, typische Aufgaben seien von der Beta bis zur allgemeinen Verfügbarkeit etwa 20 Prozent schneller geworden, der neue Agent habe den vorherigen Produktionsagenten in 62 Prozent der direkten Vergleiche mit erfahrenen Designern geschlagen oder ihm entsprochen, die Nutzerbewertungen seien um 33 Prozent gestiegen und die Nutzer hätten die Arbeit des Agenten 60 Prozent seltener rückgängig gemacht.
