Palette, de IBM: un modelo de pesos abiertos de 20B que hace diapositivas con tu lenguaje de diseño y se apoya en un marco de comprobación
Según el blog de IBM Research del 3 de noviembre de 2026, Palette ajusta un modelo de pesos abiertos de 20B con unas 1000 presentaciones sintéticas y cerca de 10.000 diapositivas, separa la planificación del diseño y la generación de código de cada página en dos roles, y usa un marco de comprobación de geometría de renderizado para corregir solapamientos y desbordamientos.
Qué ha cambiado
Tres autores de IBM Research publicaron Palette el 3 de noviembre de 2026 en el blog de Hugging Face: entrenaron un modelo pequeño de pesos abiertos para que pudiera realizar por sí solo presentaciones completas. Según el artículo, Palette es un modelo de 20B ajustado con adaptadores LoRA sobre unas 1000 presentaciones sintéticas y cerca de 10.000 diapositivas; la maquetación de los datos de entrenamiento sigue el lenguaje de diseño de IBM y el texto no nombra el modelo base. Divide el trabajo en dos roles, desempeñados por el mismo adaptador LoRA. El diseñador lee el plan y escribe un informe JSON estructurado que incluye la paleta de colores, el sistema tipográfico, la maquetación de cada página, el contenido exacto y una breve justificación; el programador toma la especificación de una página, primero escribe el razonamiento y después escribe JavaScript de pptxgenjs para dibujar esa página. El artículo afirma que, como el contexto de cada página queda fijado antes de escribir cualquier código, las llamadas del programador pueden ejecutarse en paralelo por página, por lo que la fase de codificación es unas 6 a 7 veces más rápida. Los autores también mencionan un detalle de entrenamiento: las muestras del programador son unas 5 veces más largas que las del diseñador, y una mezcla simple dejaría al diseñador insuficientemente entrenado, así que sobremuestrearon las muestras del diseñador 5 veces. Los usuarios pueden escribir instrucciones entre corchetes dobles en el plan, por ejemplo, convertir hitos en una línea de tiempo, especificar el tono o la audiencia, o pedir que se omita cierto contenido. La receta de datos abarca instrucciones de 12 categorías, con varias formulaciones en cada una, con el objetivo de que el modelo aprenda la intención y no frases fijas. La salida del modelo no se entrega directamente. Cada presentación pasa primero por un marco de comprobación y reparación: reglas simples corrigen códigos de color mal formados; después se renderiza cada página y se mide su geometría, se señala el texto solapado, recortado o que se sale del lienzo y se pasa a otro modelo editor para que reescriba el código de esa página; la reescritura solo se conserva si el comprobador confirma una mejora, y si no, se revierte a la versión original. Los autores afirman que, en 131 presentaciones de PresentBench, este marco aporta una mejora media de 3,5 puntos. PresentBench puntúa cinco aspectos: fundamentos, diseño visual, integridad, corrección y fidelidad. Palette ocupa el primer lugar en Economía y Educación, el tercero en la categoría narrativa Talk y el segundo puesto con una media de 59,7 puntos en los tres ámbitos, por detrás de los 60,8 de NotebookLM; las cifras de referencia provienen del artículo de PresentBench y, en esas ejecuciones, otro modelo de frontera redactó los planes a partir de los documentos de origen.
Impacto para desarrolladores
El efecto práctico para los desarrolladores se concentra en tres puntos. Primero, cambia la forma de entrega: Palette no genera toda la presentación de una vez, sino que produce por capas artefactos intermedios verificables: el plan, el informe JSON y el código de cada página. El informe se puede leer y modificar; una persona u otro agente puede cambiar solo la maquetación de una página sin regenerar toda la presentación. Esto implica que quien lo integre debe gestionar el informe como una interfaz versionada, no como datos internos temporales. Si cambia el esquema de maquetación, las herramientas posteriores que modifican una sola página serán las primeras en romperse. Segundo, cambia la forma de invocación. El paralelismo página por página implica que una tarea pasa de una solicitud larga a una docena de solicitudes cortas; los tiempos de espera, los reintentos, los límites de tasa y los costes se cuentan por página. Para un servicio propio, esto facilita reintentos y caché locales, pero también facilita que los costes se descontrolen: el fallo y la reescritura de una página activan una llamada adicional al modelo editor. El marco de comprobación no es gratuito: introduce el renderizador y un segundo modelo en la ruta de respuesta, de modo que la latencia de extremo a extremo y la factura de cómputo no equivalen a una sola generación. Tercero, los límites de capacidad quedan más claros. Los autores reconocen que PresentBench solo mide qué tan buena es la presentación, no si sigue un lenguaje de diseño concreto, y dicen no conocer ningún benchmark que lo haga. En otras palabras, la afirmación de que el sistema sigue tu lenguaje de diseño no cuenta por ahora con una métrica externa lista para verificarla. Otra carencia señalada son las presentaciones con muchas gráficas: extraer imágenes de los documentos de origen y colocarlas con ayuda del marco de comprobación sigue siendo un plan futuro. Además, aplicar ligeramente plantillas existentes (reaplicar el aspecto a partir de uno o dos pptx propios, sin reentrenar) es solo una dirección en exploración. Hay una dependencia que pasa fácilmente desapercibida: en las ejecuciones de PresentBench, otro modelo de frontera redactó los planes a partir de los documentos de origen. Es decir, el resultado de extremo a extremo es la combinación de «planificador + Palette»; alojar Palette por cuenta propia no concede automáticamente esa cadena anterior. Los equipos con contenido confidencial que debe permanecer en la intranet tienen que cubrir ese paso por su cuenta.
Integración y evaluación
Las siguientes son recomendaciones y análisis condicionales basados en el artículo original, no hechos reportados. Primera: decidir primero si se adopta una canalización en dos etapas, «informe + código por página». El cambio reportado correspondiente es que un único adaptador asume los papeles de diseñador y programador, y las llamadas por página pueden paralelizarse; el artículo afirma que la fase de codificación es unas 6 a 7 veces más rápida. La elección consiste en fijar la interfaz del sistema en el informe estructurado, en lugar de pedir directamente al modelo un archivo terminado. El requisito para que aplique es producir de 10 a 20 páginas por lote y tener una necesidad real de «cambiar solo una página»; si solo se genera una presentación corta de vez en cuando, la orquestación adicional, el mantenimiento del esquema y la etapa de renderizado probablemente absorban la ganancia del paralelismo. Criterio medible: fijar un lote de documentos de origen, registrar el tiempo total transcurrido de cada presentación de 15 páginas, el número de reintentos por página y la tasa de defectos geométricos (proporción de páginas con solapamientos o desbordamientos), y compararlo con el enfoque de generación única de extremo a extremo. Segunda: antes de incorporar la comprobación y reparación a la ruta de producción, construir un control automático de renderizado y geometría. La base reportada es que el marco aporta una media de 3,5 puntos en 131 presentaciones y que solo se conserva la reescritura cuando el comprobador confirma una mejora. La elección es usar la «mejora cuantificable» como umbral obligatorio para aceptar una reescritura, en vez de dejar que el modelo editor sobrescriba sin condiciones. La precondición es crítica: hace falta un comprobador capaz de renderizar la salida y medir solapamientos, recortes y desbordamientos; el blog no publicó la implementación de ese comprobador, así que esta parte hay que hacerla uno mismo. Criterios medibles: proporción de páginas marcadas, proporción de reescrituras aceptadas y diferencia entre activar y desactivar el marco en la propia tabla de puntuación. Si la tasa de aceptación es muy baja y la puntuación apenas cambia, las llamadas al modelo editor solo representan coste. Tercera: escribir las preferencias de maquetación y contenido como instrucciones estructuradas dentro del plan, no amontonarlas en un prompt largo. La base reportada es que el entrenamiento cubre 12 categorías de instrucciones, con varias formulaciones por categoría, y ejemplos como cambiar a una línea de tiempo. Lo que hay que hacer es convertir requisitos como «cambiar a una línea de tiempo», «sin precios» o «para la junta directiva» en campos, no en texto libre. La precondición es que la etapa de generación del plan produzca estas instrucciones de forma estable; si las instrucciones las introducen libremente los usuarios finales, primero hay que validar la tasa de cumplimiento. Criterio medible: expresar la misma intención de cinco formas distintas en un mismo plan y medir la tasa de consecución de la intención y la tasa de regresión de formato. En la evaluación hay dos recomendaciones operativas más. Para reproducir o comparar puntuaciones de PresentBench, fijar primero el origen de los planes, porque en la configuración original las puntuaciones incorporan la capacidad de planificación de otro modelo de frontera; compararlas directamente con una cadena propia llevaría a juzgar mal la contribución de Palette. En segundo lugar, crear una comprobación interna a pequeña escala de si se sigue el lenguaje de diseño propio, por ejemplo, comparar por muestreo si el uso de tipografías, paletas y cuadrículas cumple las normas internas, porque el benchmark público no cubre esta dimensión. En cuanto a la forma de integración, el artículo describe un escenario de pesos abiertos y autoalojamiento, y no ofrece una API gestionada; si el equipo opta por el autoalojamiento, el despliegue de 20B y la planificación de rendimiento para llamadas concurrentes por página requieren un cálculo de capacidad aparte. El artículo no aporta ninguna cifra de latencia ni de coste para esta parte.
Límites y cuestiones pendientes
El artículo solo ofrece información de investigación y evaluación; siguen faltando materiales clave para la implementación en ingeniería. A lo largo del texto se dice «pesos abiertos», pero no se indica dónde descargar los pesos ni se ofrecen los términos de la licencia; la disponibilidad de los pesos no equivale a una licencia de código abierto, y antes de usarlos comercialmente, redistribuirlos o entrenar derivados hay que confirmarlo con el publicador. No se nombra el modelo base; solo se dice que es de 20B, por lo que no se puede juzgar qué capacidades y limitaciones hereda. No se han hecho públicos la implementación concreta del comprobador, el esquema del informe ni el conjunto completo de categorías de instrucciones; reproducirlo exige construirlo uno mismo. El alcance de la evaluación también es limitado: solo se informan tres ámbitos, las cifras de referencia proceden del artículo de PresentBench, los planes fueron redactados por otro modelo de frontera y los autores reconocen que ningún benchmark mide el grado de seguimiento del lenguaje de diseño; además, la mejora de 3,5 puntos del marco se limita a sus 131 presentaciones y a su forma de puntuar. La extracción y colocación de imágenes en presentaciones con muchas gráficas, la aplicación ligera de plantillas y el uso de la señal del comprobador como recompensa de aprendizaje por refuerzo se presentan explícitamente como próximos pasos, no como capacidades actuales. Esta versión de 20B de Palette no está actualmente en el catálogo de modelos de KimiSeek, y el artículo tampoco ofrece una API gestionada; cualquier afirmación sobre disponibilidad o forma de acceso remite al publicador, IBM Research.
Ilustraciones de la noticia original



