Figma在2026年10月29日的官方博客中，公开了为Figma智能体训练专用画布编辑模型的方法。这项工作的起点很具体：不是让模型从零生成设计，而是帮设计师改动已有画布上的内容——调间距、换颜色、按反馈重排版式，这些每天重复、又难以用单一标准判对错的小编辑。
25万多个合成样本，先把编辑动作练熟
Figma先用监督微调起步：每个训练样本把起始设计、合成生成的编辑请求和一次成功的改动配成一组，并用Figma原生文件格式表示设计，让模型输出能直接落回画布。更大的教师模型先尝试编辑，再由确定性校验器和视觉模型评委检查输出是否有效、是否满足请求，流水线还能根据评委反馈自我修正。Figma称，早期一个基于Llama 3.3 70B的模型在超过25万个样本上训练后，编辑任务表现已能与当时顶级模型竞争。
模仿的上限到了，强化学习补上泛化
只靠模仿也有代价：模型容易复现训练中见过的设计，泛化变弱，而且要覆盖各类编辑场景需要大量样本。Figma因此把强化学习纳入最新训练配方，重点放在更贴近设计领域的强化学习环境、样本多样性、奖励模型的打磨，以及由专家撰写的评判标准上，让奖励更接近设计师真正看重的东西。基座模型也随之更新，Figma提到已使用更新的Qwen等模型。
评测拆开打分，产品侧先交出数据
Figma没有把设计质量当成一个笼统分数，而是把对齐、对比度、是否满足请求、组件用法是否正确等维度拆开评，结构检查结合视觉评委，再由专家设计师校准。官方公布的内部评测图显示，最新未发布的Figma编辑模型得分为77.8%，略高于另一款模型的76.9%。产品层面，Figma称智能体已向全部用户推出，典型任务从测试版到正式版提速约20%，与专家设计师的对照测试中62%的情况下不输上一代，评分提高33%，撤销操作减少60%。
