IBM、オープンウェイトのPaletteを公開:20Bモデルが設計言語に沿ってスライドを生成、チェッカーフレームワークで補完
IBM Researchの2026年11月3日のブログによると、Paletteは約1000セットの合成プレゼン資料、約1万ページのスライドで20Bのオープンウェイトモデルをファインチューニングし、設計計画とページ単位のコード生成を2つの役割に分け、レンダリングの幾何チェックフレームワークで重なりとオーバーフローを修復する。
主な変更
IBM Researchの3名の著者が2026年11月3日にHugging FaceブログでPaletteを発表した。小型のオープンウェイトモデルを、プレゼン資料一式を自力で作れるシステムに訓練したものだ。同記事によると、Paletteは20Bモデルで、LoRAアダプタを使って約1000セットの合成プレゼン資料、約1万ページのスライドでファインチューニングされ、訓練データのレイアウトはIBMの設計言語に従っている。記事はベースモデルを名指ししていない。 設計は2つの役割に分かれ、同一のLoRAアダプタが両方を担う。デザイナーは計画を読み、配色、フォントシステム、ページごとのレイアウト、正確な内容、短い理由1文を含む構造化JSONブリーフを書く。コーダーは1ページ分の仕様を受け取り、まず推論を書き、その後にpptxgenjsのJavaScriptでそのページを描画する。記事によれば、各ページのコンテキストがコードを書く前に固定されるため、コーダーの呼び出しはページ単位で並列化でき、コーディング段階は約6〜7倍速くなるという。著者は訓練上の工夫にも触れている。コーダーのサンプル長はデザイナーの約5倍あり、単純に混ぜるとデザイナーの訓練が不足するため、デザイナーのサンプルを5倍にオーバーサンプリングした。 ユーザーは計画内に二重角括弧で指示を書ける。たとえばマイルストーンをタイムラインに変える、トーンや対象読者を指定する、一部の内容を省くよう求める、などだ。データのレシピは12カテゴリの指示をカバーし、各カテゴリに複数の言い回しがあり、固定フレーズではなく意図を学ばせることが狙いだ。 モデルの出力はそのまま納品されない。各資料はまずチェック・修復フレームワークを通る。単純なルールで形式の誤ったカラーコードを直し、次にページごとにレンダリングして幾何を計測し、重なったテキスト、クリップされたテキスト、画面外にはみ出したテキストを特定して、別の編集モデルにそのページのコードを書き直させる。チェッカーが改善を確認した場合にだけ書き直しを採用し、そうでなければ元の版に戻す。著者によれば、131セットのPresentBenchプレゼン資料で、このフレームワークは平均3.5ポイントの改善をもたらした。PresentBenchは基礎、視覚設計、完全性、正確性、忠実性の5項目で採点する。PaletteはEconomicsとEducationで1位、物語寄りのTalkで3位、3領域の平均は59.7点で、NotebookLMの60.8点に次ぐ2位だった。ベースラインの数値はPresentBench論文から取っており、これらの実行では計画を別のフロンティアモデルがソース文書から起草した。
開発者への影響
開発者への実務的な影響は主に3点に集約される。第一に、納品の形が変わった。Paletteは資料一式を一度に生成するのではなく、計画、JSONブリーフ、ページごとのコードという検証可能な中間物を層ごとに産出する。ブリーフは読めて修正でき、人や他のエージェントが全体を再生成せずに特定ページのレイアウトだけを変えられる。つまり導入側はブリーフを内部の一時データではなく、バージョン管理されたインターフェースとして扱う必要がある。レイアウトのschemaが変われば、単一ページを書き換える下流のツールがまず壊れる。 第二に、呼び出しの形が変わった。ページ単位の並列化は、1回の長いリクエストを十数本の短いリクエストに変える。タイムアウト、リトライ、レート制限、費用はすべてページ単位で計上される。自前運用なら部分的なリトライとキャッシュは容易になる一方、コストは制御しにくくなる。1ページの失敗と書き直しが編集モデルの呼び出しを余分に発生させるからだ。チェックフレームワークは無料ではない。レンダラと2つ目のモデルを戻り経路に組み込むため、エンドツーエンドの遅延も計算資源の請求も単発生成とは等しくない。 第三に、能力の境界がより明確になった。著者は、PresentBenchは資料の良し悪しを測るだけで、特定の設計言語に従っているかは測らないと認め、それを実現できるベンチマークを把握していないと述べている。言い換えれば「あなたの設計言語で訓練した」という主張を検証できる既存の第三者指標は現時点で存在しない。もう一つ名指しされた弱点は図表の多い資料だ。ソース文書から図を抽出し、チェックフレームワークを借りて配置するのは今後の計画にとどまる。既存テンプレートの軽量な適用(自社のpptx1〜2点から外観を付け替え、再訓練を省く)も探索段階にすぎない。 見落とされやすい依存ももう一つある。PresentBenchの実行では、計画は別のフロンティアモデルがソース文書から起草した。つまりエンドツーエンドの成果は「プランナー + Palette」の組み合わせであり、Paletteを自前でホストしても上流のその経路が自動的に手に入るわけではない。内容の秘匿のためすべてを社内ネットワークに置く必要があるチームは、この部分を自分で補う必要がある。
導入と評価の提案
以下は原文に基づく提案と条件分析であり、報道された事実ではない。 提案1:まず「ブリーフ + ページ単位コード」の2段構えのパイプラインを採用するか決める。対応する報道上の変化は、単一アダプタがデザイナーとコーダーを兼ね、ページ単位の呼び出しが並列化でき、記事によればコーディング段階が約6〜7倍速いという点だ。取るべき選択は、モデルに完成ファイルを直接要求するのではなく、システムのインターフェースを構造化ブリーフに置くことだ。前提は、1バッチで10〜20ページを出し、「1ページだけ直す」という実際の需要があること。たまに短い資料を1本出すだけなら、追加のオーケストレーション、schemaの保守、レンダリングの各工程が並列化の利得を食いつぶす可能性が高い。測定可能な判断基準は、固定したソース文書群で、15ページの資料ごとにエンドツーエンドの実時間、ページごとのリトライ回数、幾何欠陥率(重なりやオーバーフローが起きたページの割合)を記録し、単発のエンドツーエンド生成と比較することだ。 提案2:チェックと修復を本番経路に入れる前に、自動計測できるレンダリングと幾何チェックを自作する。報道の根拠は、131セットの資料でフレームワークが平均3.5ポイント改善し、チェッカーが改善を確認した場合に限り書き直しを採用したことだ。選択は「定量化できる改善」を書き直し受け入れの厳格な条件とし、編集モデルに無条件で上書きさせないこと。前提条件が重要で、出力をレンダリングして重なり、クリップ、オーバーフローを計測できるチェッカーが必要だが、ブログはその実装を公開していない。この部分は自前で作る。測定可能な判断基準は、フラグが立ったページの割合、書き直しが受け入れられた割合、自社の評価表でフレームワークのオンとオフの差分だ。受け入れ率が極端に低くスコアがほとんど動かないなら、編集モデルの呼び出しはコストでしかない。 提案3:レイアウトと内容の好みは、長いプロンプトに積むのではなく、計画内の構造化指示として書く。報道の根拠は、訓練が12カテゴリの指示をカバーし、各カテゴリに複数の言い回しがあり、タイムラインに変えるといった例も添えられていることだ。「タイムラインに変える」「価格は入れない」「取締役会向け」といった要求を自由テキストではなくフィールドに落とす。前提は、計画生成の工程がこれらの指示を安定して出せること。指示をエンドユーザーが自由入力する場合は、まず遵守率を検証する。測定可能な判断基準は、同じ計画を5種類の言い回しで表現し、意図達成率と形式の回帰率を数えることだ。 評価の面でもう2点。PresentBenchのスコアを再現したり比較したりするなら、まず計画の出所を固定する。元の設定のスコアには別のフロンティアモデルの計画能力が混ざっており、自前の経路と直接比べるとPalette自体の寄与を誤判定する。次に「自社の設計言語に従っているか」を小規模に自前で検査する。たとえばフォント、配色、グリッドの使い方が内部規程に合うか標本で照合する。公開ベンチマークはこの次元をカバーしていない。 導入形態として、原文が描くのはオープンウェイトと自前ホストのシナリオで、ホスト型APIには触れていない。チームが自前ホストを選ぶなら、20Bの配備とページ単位の並列呼び出しのスループット計画は別途キャパシティ見積もりが必要だ。この部分について原文は遅延やコストの数値を一切示していない。
制限と未確認事項
原文は研究と評価の段階の情報のみで、実装に必要な重要資料が欠けている。記事全体が「オープンウェイト」と述べるが、重みのダウンロード先もライセンス条項も示していない。重みが入手可能であることはオープンソースライセンスを意味せず、商用利用、再配布、派生訓練の前に公開元へ確認する必要がある。ベースモデルは名指しされず20Bとだけあり、どの能力と制約を継承したか判断できない。チェッカーの具体的な実装、ブリーフのschema、指示カテゴリの全集合はいずれも非公開で、再現は自作に頼るしかない。評価の枠組みも限定的だ。報告されたのは3領域のみで、ベースラインの数値はPresentBench論文から取り、計画は別のフロンティアモデルが起草し、著者自身が設計言語の遵守度を測れるベンチマークはないと認めている。3.5ポイントのフレームワーク改善も、彼らの131セットの資料と採点方法に限られる。図表の多い資料での図の抽出と配置、テンプレートの軽量適用、チェックの信号を強化学習の報酬として使うことは、いずれも現有能力ではなく今後の計画だと明言されている。このPaletteの20B版は現在KimiSeekのモデルカタログにない。原文もホスト型APIを提供しておらず、可用性や入手方法に関する記述はすべて公開元のIBM Researchを指す。
元の報道の図版



