← Alle Modellneuigkeiten

IBM Palette mit offenen Gewichten: 20B-Modell erstellt Folien in Ihrer Designsprache, abgesichert durch ein Prüf-Framework

Laut einem Blogbeitrag von IBM Research vom 3. November 2026 wurde ein 20B-Modell mit offenen Gewichten namens Palette auf rund 1.000 synthetischen Präsentationen mit etwa 10.000 Folien feinabgestimmt; es trennt Designplanung und seitenweise Codegenerierung in zwei Rollen und nutzt ein Prüf-Framework für gerenderte Geometrie, um Überlappungen und Überläufe zu beheben.

Veröffentlicht Aktualisiert

Was sich geändert hat

Drei Autoren von IBM Research stellten am 3. November 2026 in einem Hugging-Face-Blogbeitrag Palette vor: ein System, bei dem ein kleines Modell mit offenen Gewichten darauf trainiert wurde, eigenständig komplette Präsentationen zu erstellen. Laut dem Beitrag ist Palette ein 20B-Modell, das mit einem LoRA-Adapter auf rund 1.000 synthetischen Präsentationen mit etwa 10.000 Folien feinabgestimmt wurde; die Layouts der Trainingsdaten folgen der IBM Design Language. Das Basismodell wird in dem Beitrag nicht genannt. Es teilt die Arbeit in zwei Rollen auf, die derselbe LoRA-Adapter übernimmt. Der Designer liest den Plan und schreibt ein strukturiertes JSON-Briefing mit Farbpalette, Schriftsystem, Layout pro Folie, exaktem Inhalt und einer kurzen Begründung; der Coder nimmt eine Folienspezifikation, schreibt zuerst seine Überlegungen und dann JavaScript für pptxgenjs, das die Folie zeichnet. Laut dem Beitrag sind die Coder-Aufrufe seitenweise parallelisierbar, weil der Kontext jeder Folie feststeht, bevor Code geschrieben wird; die Codierungsphase sei dadurch etwa 6- bis 7-mal schneller. Die Autoren nennen zudem ein Trainingsdetail: Coder-Beispiele seien etwa fünfmal so lang wie Designer-Beispiele, eine einfache Mischung führe zu Untertraining des Designers, deshalb würden Designer-Beispiele fünfmal überabgetastet. Nutzer können im Plan Anweisungen in doppelten eckigen Klammern formulieren, etwa Meilensteine in eine Zeitachse umwandeln, Tonfall oder Zielgruppe vorgeben oder bestimmte Inhalte weglassen. Die Datenrezeptur umfasst Anweisungen aus 12 Kategorien mit jeweils mehreren Formulierungen, damit das Modell die Absicht statt fester Phrasen lernt. Die Modellausgabe wird nicht direkt ausgeliefert. Jede Präsentation durchläuft zunächst ein Prüf- und Reparatur-Framework: Einfache Regeln korrigieren falsch formatierte Farbcodes, dann wird jede Folie gerendert und geometrisch vermessen; Text, der sich überlappt, abgeschnitten wird oder aus dem Bild läuft, wird markiert, und ein weiteres Editiermodell schreibt den Code für diese Folie neu. Die Neufassung wird nur behalten, wenn der Prüfer eine Verbesserung bestätigt, sonst wird die Originalversion wiederhergestellt. Laut den Autoren bringt dieses Framework auf 131 PresentBench-Präsentationen im Durchschnitt 3,5 Punkte Verbesserung. PresentBench bewertet in fünf Kategorien: Grundlagen, visuelles Design, Vollständigkeit, Korrektheit und Treue. Palette belegt Platz eins in Economics und Education sowie Platz drei im eher narrativen Talk; im Mittel der drei Bereiche kommt es auf 59,7 Punkte und liegt damit hinter NotebookLM mit 60,8 Punkten auf Platz zwei. Die Basiswerte stammen aus dem PresentBench-Papier, und in diesen Läufen wurden die Pläne von einem anderen Frontier-Modell anhand der Quelldokumente entworfen.

Auswirkungen für Entwickler

Die praktischen Auswirkungen für Entwickler konzentrieren sich auf drei Punkte. Erstens ändert sich die Lieferform: Palette erzeugt nicht die gesamte Präsentation in einem Durchgang, sondern produziert schichtweise prüfbare Zwischenergebnisse – Plan, JSON-Briefing und Code pro Folie. Das Briefing ist lesbar und editierbar; Menschen oder andere Agenten können das Layout einer einzelnen Folie ändern, ohne die ganze Präsentation neu zu erzeugen. Das bedeutet, dass Integratoren das Briefing als versionierte Schnittstelle verwalten müssen und nicht als temporäre interne Daten. Ändert sich das Layout-Schema, brechen zuerst die Downstream-Werkzeuge zur Änderung einzelner Folien. Zweitens ändert sich die Form der Aufrufe. Seitenweise Parallelität bedeutet, dass aus einer langen Anfrage pro Aufgabe ein Dutzend kurzer Anfragen werden; Timeouts, Wiederholungen, Ratenbegrenzung und Kosten werden pro Folie gerechnet. Für selbst betriebene Dienste sind lokale Wiederholungen und Caching einfacher, zugleich können die Kosten leichter außer Kontrolle geraten: Schlägt eine Folie fehl und wird neu geschrieben, löst das zusätzliche Aufrufe des Editiermodells aus. Das Prüf-Framework ist nicht kostenlos; es schiebt Renderer und ein zweites Modell in den Rückgabepfad, sodass Ende-zu-Ende-Latenz und Rechenkosten nicht einer einzelnen Generierung entsprechen. Drittens werden die Fähigkeitsgrenzen klarer. Die Autoren räumen ein, dass PresentBench nur misst, wie gut eine Präsentation ist, nicht ob sie einer bestimmten Designsprache folgt, und sie sagen, sie kennten keinen Benchmark, der das leistet. Mit anderen Worten: Für die Behauptung, nach der eigenen Designsprache trainiert zu sein, gibt es derzeit keinen fertigen externen Maßstab zur Überprüfung. Eine weitere genannte Schwäche sind grafikintensive Präsentationen: Bilder aus Quelldokumenten zu extrahieren und sie mithilfe des Prüf-Frameworks zu platzieren, ist noch für den nächsten Schritt geplant. Auch das leichte Übertragen vorhandener Vorlagen – das erneute Anwenden des Erscheinungsbilds aus ein oder zwei eigenen pptx-Dateien ohne Neutraining – ist nur eine erkundete Richtung. Hinzu kommt eine leicht übersehene Abhängigkeit: In den PresentBench-Läufen wurden die Pläne von einem anderen Frontier-Modell anhand der Quelldokumente entworfen. Das heißt, das Ende-zu-Ende-Ergebnis ist eine Kombination aus „Planer + Palette“; wer Palette selbst hostet, erhält diese vorgelagerte Kette nicht automatisch. Teams, die Inhalte geheim halten müssen und alles im internen Netz belassen wollen, müssen diesen Schritt selbst ergänzen.

Integration und Bewertung

Das Folgende sind Empfehlungen und bedingte Analysen auf Basis des Beitrags, keine berichteten Fakten. Empfehlung eins: Zuerst entscheiden, ob eine zweistufige Pipeline aus „Briefing + seitenweisem Code“ eingesetzt wird. Die entsprechende berichtete Änderung: Ein einzelner Adapter übernimmt die Rollen von Designer und Coder, und die Aufrufe pro Folie lassen sich parallelisieren; laut dem Beitrag ist die Codierungsphase etwa 6- bis 7-mal schneller. Die Entscheidung besteht darin, die Systemschnittstelle auf das strukturierte Briefing zu setzen, statt vom Modell direkt eine fertige Datei zu verlangen. Voraussetzung ist, dass pro Charge 10 bis 20 Folien entstehen und ein echter Bedarf besteht, „nur eine Folie zu ändern“; geht es nur gelegentlich um eine kurze Präsentation, dürften zusätzliche Orchestrierung, Schema-Pflege und Rendering die Vorteile der Parallelisierung auffressen. Messbare Kriterien: eine feste Sammlung von Quelldokumenten nehmen und für jede 15-seitige Präsentation die Ende-zu-Ende-Wanduhrzeit, die Wiederholungen pro Folie und die Geometriefehlerrate erfassen (Anteil der Folien mit Überlappung oder Überlauf) und dies mit einer einmaligen Ende-zu-Ende-Generierung vergleichen. Empfehlung zwei: Bevor Prüfung und Reparatur in den Produktionspfad kommen, selbst eine automatisch messbare Render- und Geometrieprüfung aufbauen. Die berichtete Grundlage: Auf 131 Präsentationen verbessert das Framework das Ergebnis im Schnitt um 3,5 Punkte, und eine Neufassung wird nur behalten, wenn der Prüfer eine Verbesserung bestätigt. Die Entscheidung besteht darin, „messbare Verbesserung“ als harte Hürde für die Übernahme einer Neufassung zu setzen, statt das Editiermodell bedingungslos überschreiben zu lassen. Die Voraussetzung ist entscheidend: Man braucht einen Prüfer, der die Ausgabe rendern und Überlappung, Abschneiden und Überlauf messen kann; der Blogbeitrag veröffentlicht die Implementierung dieses Prüfers nicht, dieser Teil muss selbst gebaut werden. Messbare Kriterien: Anteil markierter Folien, Anteil akzeptierter Neufassungen und die Differenz mit und ohne Framework auf der eigenen Bewertungstabelle. Ist die Akzeptanzrate sehr niedrig und bewegt sich die Punktzahl kaum, sind die Aufrufe des Editiermodells nur Kosten. Empfehlung drei: Layout- und Inhaltspräferenzen als strukturierte Anweisungen im Plan formulieren, statt sie in einem langen Prompt anzuhäufen. Die berichtete Grundlage: Das Training umfasst Anweisungen aus 12 Kategorien mit mehreren Formulierungen pro Kategorie, begleitet von Beispielen wie dem Umbau in eine Zeitachse. Zu tun ist, Anforderungen wie „in eine Zeitachse umwandeln“, „keine Preise“ oder „für den Vorstand“ in Felder zu fassen statt in Freitext. Voraussetzung ist, dass die Planerzeugung diese Anweisungen stabil produzieren kann; wenn Endnutzer die Anweisungen frei eingeben, zuerst die Befolgungsrate prüfen. Messbare Kriterien: Denselben Plan mit fünf verschiedenen Formulierungen für dieselbe Absicht ausdrücken und die Rate der erreichten Absicht sowie die Rate der Formatregressionen erfassen. Für die Bewertung gibt es zwei weitere praktische Hinweise. Wer PresentBench-Werte reproduzieren oder vergleichen will, sollte zuerst die Quelle der Pläne fixieren, denn in der ursprünglichen Konfiguration fließt die Planungsfähigkeit eines anderen Frontier-Modells in die Werte ein; ein direkter Vergleich mit einer selbst gebauten Kette würde den Beitrag von Palette selbst falsch einschätzen. Zweitens sollte man für die Frage, ob die eigene Designsprache befolgt wird, eine kleine eigene Prüfung aufbauen, etwa stichprobenartig Schriftarten, Farbpalette und Rasterverwendung mit internen Vorgaben abgleichen, weil der öffentliche Benchmark diese Dimension nicht abdeckt. Zur Integrationsform: Der Beitrag beschreibt Szenarien mit offenen Gewichten und Selbsthosting, nennt aber keine gehostete API. Setzt ein Team auf Selbsthosting, erfordern der Betrieb des 20B-Modells und die Durchsatzplanung für parallele Aufrufe pro Folie eine eigene Kapazitätsmessung; für diesen Teil enthält der Beitrag keinerlei Latenz- oder Kostenzahlen.

Grenzen und offene Fragen

Der Beitrag liefert nur Informationen auf Forschungs- und Evaluierungsebene; die für den produktiven Einsatz nötigen Schlüsselmaterialien fehlen weiterhin. Der Text spricht durchgängig von „offenen Gewichten“, nennt aber weder einen Download-Ort für die Gewichte noch Lizenzbedingungen; verfügbare Gewichte sind nicht gleichbedeutend mit einer Open-Source-Lizenz, kommerzielle Nutzung, Weitergabe und Training abgeleiteter Modelle sollten vorab mit dem Herausgeber geklärt werden. Das Basismodell wird nicht genannt, nur die Größe 20B, daher lässt sich nicht beurteilen, welche Fähigkeiten und Grenzen es erbt. Die konkrete Implementierung des Prüfers, das Briefing-Schema und die vollständige Menge der Anweisungskategorien sind nicht offengelegt; eine Reproduktion ist nur durch Eigenbau möglich. Auch die Evaluierungsgrundlage ist begrenzt: Es werden nur drei Bereiche berichtet, die Basiswerte stammen aus dem PresentBench-Papier, die Pläne wurden von einem anderen Frontier-Modell entworfen, die Autoren räumen selbst ein, dass kein Benchmark die Befolgung einer Designsprache messen kann, und der Framework-Gewinn von 3,5 Punkten gilt nur für ihre 131 Präsentationen und ihre Bewertungsmethode. Das Extrahieren und Platzieren von Bildern in grafikintensiven Präsentationen, das leichte Übertragen von Vorlagen und die Nutzung der Prüfsignale als Reinforcement-Learning-Belohnung gehören ausdrücklich zu den nächsten Schritten und nicht zu den bestehenden Fähigkeiten. Die 20B-Version von Palette ist derzeit nicht im Modellkatalog von KimiSeek; der Beitrag nennt auch keine gehostete API. Aussagen zu Verfügbarkeit oder Bezug verweisen auf den Herausgeber IBM Research.

Abbildungen aus dem Originalbericht

Abbildung aus dem Originalbericht 1 — IBM Palette mit offenen Gewichten: 20B-Modell erstellt Folien in Ihrer Designsprache, abgesichert durch ein Prüf-Framework
Abbildung aus dem Originalbericht 1Originalbericht ↗
Abbildung aus dem Originalbericht 2 — IBM Palette mit offenen Gewichten: 20B-Modell erstellt Folien in Ihrer Designsprache, abgesichert durch ein Prüf-Framework
Abbildung aus dem Originalbericht 2Originalbericht ↗
Abbildung aus dem Originalbericht 3 — IBM Palette mit offenen Gewichten: 20B-Modell erstellt Folien in Ihrer Designsprache, abgesichert durch ein Prüf-Framework
Abbildung aus dem Originalbericht 3Originalbericht ↗
Abbildung aus dem Originalbericht 4 — IBM Palette mit offenen Gewichten: 20B-Modell erstellt Folien in Ihrer Designsprache, abgesichert durch ein Prüf-Framework
Abbildung aus dem Originalbericht 4Originalbericht ↗

In drei Minuten zum ersten Aufruf

Erstelle ein Konto und einen API-Schlüssel. Aufrufe werden von deinem Guthaben abgebucht. 30 % Rabatt auf die erste Aufladung. ¥500 aufladen, ¥350 zahlen, ¥500 Guthaben erhalten. ¥1000 aufladen, ¥850 zahlen, ¥1000 Guthaben erhalten Die Mindestaufladung bleibt ¥10 und eignet sich zum Ausprobieren.

Quellen und redaktioneller Prozess

Palette:教小模型按你的设计语言制作演示文稿

KI unterstützte die Analyse und Übersetzung der genannten Quellen, gefolgt von automatischen Qualitätsprüfungen. Empfehlungen sind keine Testergebnisse. Verfügbarkeit und Preise stehen im aktuellen Katalog.