Figma는 2026년 10월 29일 공식 블로그에서 Figma 에이전트용 전용 캔버스 편집 모델을 훈련하는 방법을 공개했다. 출발점은 의도적으로 좁다. 디자인을 처음부터 생성하는 것이 아니라, 이미 캔버스에 있는 내용을 바꾸는 일을 돕는 것이다. 간격 조정, 색상 변경, 피드백을 반영한 레이아웃 재작업처럼 매일 반복되지만 하나의 기준으로 옳고 그름을 판단하기 어려운 작은 편집들이다.
25만 개가 넘는 합성 샘플로 편집 동작부터 익히다
Figma는 지도 파인튜닝부터 시작했다. 각 훈련 예시는 시작 디자인과 합성으로 생성된 편집 요청, 성공적인 변경 한 건을 묶었고, Figma의 네이티브 파일 형식으로 디자인을 표현해 모델 출력이 캔버스에 바로 적용될 수 있게 했다. 더 큰 교사 모델이 먼저 편집을 시도하고, 결정적 검증기와 시각 모델 심사위원이 출력이 유효한지, 요청을 충족하는지 검사했으며, 파이프라인은 심사위원 피드백을 받아 편집을 스스로 수정할 수 있었다. Figma에 따르면 25만 개가 넘는 샘플로 훈련한 Llama 3.3 70B 기반 초기 모델은 편집 작업에서 당시 최고 모델들과 경쟁할 수준에 도달했다.
모방의 한계에 이르자 강화학습이 일반화를 보완하다
모방만으로는 대가가 따른다. 모델은 훈련에서 본 디자인을 재현하기 쉽고 일반화는 약해지며, 모든 종류의 편집 상황을 다루려면 많은 샘플이 필요하다. 그래서 Figma는 최신 훈련 레시피에 강화학습을 더했고, 디자인 분야에 더 가까운 강화학습 환경, 샘플 다양성, 보상 모델 개선, 전문가가 작성한 평가 기준에 중점을 두어 보상이 디자이너가 실제로 중요하게 여기는 것에 가까워지도록 했다. 기반 모델도 업데이트됐으며, Figma는 새로운 Qwen 모델 등을 사용하고 있다고 밝혔다.
평가는 차원별로 나누고, 제품 수치는 먼저 공개하다
Figma는 디자인 품질을 하나의 점수로 합치지 않는다. 정렬, 대비, 요청 충족 여부, 컴포넌트 사용의 정확성을 따로 평가하고, 구조 검사와 시각 심사위원을 결합한 뒤 전문 디자이너가 결과를 보정한다. Figma가 공개한 내부 평가 차트에서는 최신 미공개 편집 모델이 77.8%로, 다른 모델의 76.9%를 약간 앞섰다. 제품 측면에서는 에이전트가 모든 사용자에게 출시됐고, 대표 작업은 베타에서 정식 출시 사이에 약 20% 빨라졌으며, 전문 디자이너와의 직접 비교에서 62%의 경우 이전 세대와 동등하거나 앞섰고, 사용자 평가는 33% 올랐으며, 되돌리기 작업은 60% 줄었다고 한다.
