Palette, da IBM Research, com pesos abertos: modelo de 20B cria apresentações na sua linguagem de design, com verificação como rede de segurança
Segundo o blog do IBM Research de 3 de novembro de 2026, o Palette faz fine-tuning de um modelo de pesos abertos de 20B com cerca de 1.000 apresentações sintéticas e aproximadamente 10 mil slides, separa o planejamento de design da geração de código página a página em dois papéis e usa uma estrutura de verificação de geometria de renderização para corrigir sobreposição e transbordamento.
O que mudou
Três autores do IBM Research publicaram o Palette em 3 de novembro de 2026 no blog do Hugging Face: um sistema que treina um pequeno modelo de pesos abertos para fazer apresentações completas de forma autônoma. Segundo o texto, o Palette é um modelo de 20B, ajustado com um adaptador LoRA em cerca de 1.000 apresentações sintéticas e aproximadamente 10 mil slides, e o layout dos dados de treinamento segue a linguagem de design da IBM; o artigo não nomeia o modelo-base. Ele divide o trabalho em dois papéis, desempenhados pelo mesmo adaptador LoRA. O designer lê o plano e escreve um briefing JSON estruturado, com paleta de cores, sistema de fontes, layout de cada página, conteúdo exato e uma frase curta de justificativa; o programador pega a especificação de uma página, primeiro escreve o raciocínio e depois escreve JavaScript com pptxgenjs para desenhar essa página. O original afirma que, como o contexto de cada página é fixado antes de qualquer código, as chamadas do programador podem ser paralelizadas por página, e por isso a etapa de codificação fica cerca de 6 a 7 vezes mais rápida. Os autores também mencionam um detalhe de treinamento: os exemplos do programador têm cerca de 5 vezes o comprimento dos exemplos do designer, e uma mistura simples deixaria o designer subtreinado, então sobreamostraram os exemplos do designer em 5 vezes. Os usuários podem escrever instruções no plano usando colchetes duplos, por exemplo transformar marcos em uma linha do tempo, especificar tom ou público, ou pedir a omissão de certos conteúdos. A receita de dados cobre instruções de 12 categorias, com várias formulações em cada categoria, para que o modelo aprenda a intenção, não frases fixas. A saída do modelo não é entregue diretamente. Cada apresentação passa primeiro por uma estrutura de verificação e reparo: regras simples corrigem códigos de cor malformados; em seguida, cada página é renderizada e sua geometria é medida, marcando textos sobrepostos, cortados ou fora do slide; a página é então enviada a outro modelo editor para reescrever o código daquela página, e a reescrita só é mantida se o verificador confirmar melhora, caso contrário, volta-se à versão original. Os autores afirmam que, em 131 apresentações do PresentBench, essa estrutura trouxe um ganho médio de 3,5 pontos. O PresentBench avalia cinco itens: básico, design visual, completude, correção e fidelidade. O Palette ficou em primeiro em Economics e Education, em terceiro no Talk, mais narrativo, e teve média de 59,7 nos três domínios, atrás do NotebookLM, com 60,8, ficando em segundo lugar; os números de linha de base vêm do artigo do PresentBench, e, nessas execuções, o plano foi redigido por outro modelo de fronteira a partir dos documentos de origem.
Impacto para desenvolvedores
O impacto prático para desenvolvedores se concentra em três pontos. Primeiro, o formato de entrega mudou: o Palette não gera a apresentação inteira de uma vez, mas produz camadas de artefatos intermediários verificáveis — plano, briefing JSON e código de cada página. O briefing é legível e editável, e uma pessoa ou outro agente pode alterar apenas o layout de uma página sem regenerar o conjunto, o que significa que quem integra precisa tratar o briefing como uma interface versionada, não como dado interno temporário. Assim que o esquema de layout mudar, as ferramentas downstream de edição de uma página quebram primeiro. Segundo, o formato das chamadas mudou. O paralelismo por página significa que uma tarefa passa de uma requisição longa para cerca de uma dúzia de requisições curtas, e timeouts, retentativas, limites de taxa e custos passam a ser por página. Para um serviço próprio, isso facilita retentativas e cache locais, mas também facilita perder o controle dos custos: a reescrita de uma página com falha dispara uma chamada extra ao modelo editor. A estrutura de verificação não é gratuita: ela coloca o renderizador e um segundo modelo no caminho de resposta, e a latência ponta a ponta e a conta de computação não equivalem às de uma única geração. Terceiro, os limites de capacidade ficam mais claros. Os autores admitem que o PresentBench mede apenas se a apresentação é boa, não se ela segue uma linguagem de design específica, e dizem não conhecer nenhum benchmark que faça isso. Em outras palavras, a alegação de treinamento na sua linguagem de design não tem, por ora, métrica de terceiros pronta para verificação. Outra limitação apontada são as apresentações com muitas figuras: extrair imagens dos documentos de origem e posicioná-las com a estrutura de verificação continua sendo plano para o próximo passo. Além disso, aplicar levemente templates existentes (reestilizar a partir de um ou dois PPTX da própria equipe, sem retreinar) também é apenas uma direção de exploração. Há ainda uma dependência fácil de passar despercebida: nas execuções do PresentBench, o plano foi redigido por outro modelo de fronteira a partir dos documentos de origem. Ou seja, o efeito ponta a ponta é a combinação de 'planejador + Palette', e hospedar o Palette por conta própria não garante automaticamente esse elo upstream. Equipes com conteúdo confidencial que precisam manter tudo na rede interna têm de cobrir essa etapa por conta própria.
Integração e avaliação
A seguir, sugestões e análise condicional baseadas no texto original; não são fatos reportados. Sugestão 1: decida primeiro se adota o pipeline em duas etapas de 'briefing + código por página'. A mudança reportada correspondente é: um único adaptador LoRA acumula os papéis de designer e programador, e as chamadas por página podem ser paralelizadas; o original afirma que a etapa de codificação fica cerca de 6 a 7 vezes mais rápida. A escolha é definir a interface do sistema no briefing estruturado, em vez de pedir diretamente ao modelo um arquivo final. A premissa de aplicação é produzir de 10 a 20 páginas por lote e ter necessidade real de 'alterar só uma página'; se for apenas um texto curto ocasional, a orquestração extra, a manutenção do schema e a etapa de renderização provavelmente consomem o ganho do paralelismo. Critério mensurável: com um lote fixo de documentos de origem, registrar o tempo total de execução de cada apresentação de 15 páginas, o número de retentativas por página e a taxa de defeitos geométricos (proporção de páginas com sobreposição ou transbordamento), comparando com a abordagem de geração única ponta a ponta. Sugestão 2: antes de colocar a verificação e o reparo no caminho de produção, construa sua própria checagem de renderização e geometria que possa ser medida automaticamente. A base reportada é: nas 131 apresentações, a estrutura rendeu em média 3,5 pontos, e uma reescrita só é mantida quando o verificador confirma melhora. A escolha é usar 'melhora quantificável' como critério rígido para aceitar uma reescrita, em vez de deixar o modelo editor sobrescrever sem condição. A premissa é crucial: você precisa de um verificador que renderize a saída e meça sobreposição, corte e transbordamento; o blog não divulgou a implementação desse verificador, então essa parte precisa ser feita internamente. Critérios mensuráveis: proporção de páginas sinalizadas, proporção de reescritas aceitas e a diferença, na sua própria grade de avaliação, entre ligar e desligar a estrutura. Se a taxa de aceitação for muito baixa e a pontuação quase não mudar, a chamada ao modelo editor será apenas custo. Sugestão 3: coloque preferências de layout e conteúdo em instruções estruturadas dentro do plano, em vez de acumulá-las em um prompt longo. A base reportada é que o treinamento cobre instruções de 12 categorias, com várias formulações por categoria, e inclui exemplos como mudar para linha do tempo. O trabalho é transformar pedidos como 'mudar para linha do tempo', 'não mostrar preços' e 'para a diretoria' em campos, não em texto livre. A premissa é que sua etapa de geração de plano produza essas instruções de forma estável; se o usuário final as digitar livremente, valide primeiro a taxa de aderência. Critério mensurável: expressar a mesma intenção de cinco maneiras diferentes no mesmo plano e medir a taxa de cumprimento da intenção e a taxa de regressão de formato. Há ainda duas recomendações operacionais no nível de avaliação. Para reproduzir ou comparar pontuações do PresentBench, fixe primeiro a origem do plano, porque a configuração original mistura a capacidade de planejamento de outro modelo de fronteira; comparar diretamente com seu próprio pipeline levaria a avaliar errado a contribuição do Palette em si. Em segundo lugar, crie uma checagem em pequena escala para 'seguir ou não a linguagem de design da própria equipe', por exemplo comparando por amostragem se fontes, paleta e uso de grade seguem as normas internas, já que o benchmark público não cobre essa dimensão. Quanto à forma de integração, o texto descreve um cenário de pesos abertos e auto-hospedagem, sem fornecer API gerenciada; se a equipe optar pela auto-hospedagem, a implantação do modelo de 20B e o planejamento de throughput para chamadas concorrentes por página exigem um cálculo de capacidade separado, e o original não traz nenhum número de latência ou custo para essa parte.
Limites e pontos a confirmar
O texto traz apenas informações de pesquisa e avaliação; materiais essenciais para a implementação em engenharia ainda faltam. O artigo fala em 'pesos abertos' do início ao fim, mas não informa onde baixar os pesos nem apresenta os termos da licença; pesos disponíveis não equivalem a licença de código aberto, e uso comercial, redistribuição e treinamento derivado exigem confirmação com o publicador. O modelo-base não é nomeado, apenas descrito como 20B, então não é possível saber que capacidades e limitações ele herda. A implementação concreta do verificador, o schema do briefing e o conjunto completo de categorias de instrução não foram divulgados; a reprodução depende de construção própria. O escopo de avaliação também é limitado: só três domínios foram reportados, os números de linha de base vêm do artigo do PresentBench, o plano foi redigido por outro modelo de fronteira, os autores reconhecem que não há benchmark para medir aderência à linguagem de design, e o ganho de 3,5 pontos da estrutura se restringe às suas 131 apresentações e ao seu método de pontuação. A extração e o posicionamento de imagens em apresentações com muitas figuras, a aplicação leve de templates e o uso de sinais do verificador como recompensa de aprendizado por reforço são explicitamente planos futuros, não capacidades atuais. Esta versão de 20B do Palette não está atualmente no catálogo de modelos do KimiSeek, e o texto também não oferece API gerenciada; qualquer afirmação sobre disponibilidade ou forma de obtenção remete ao publicador, a IBM Research.
Ilustrações da notícia original



