Figma 在官方博客中披露了自研设计编辑模型的训练方法，并表示，内置自研编辑模型的 Figma agent 已向所有用户开放。这项工作的重点是修改画布上的既有设计，包括调整间距、更换颜色和重排布局。Figma 希望通过专门训练，让 agent 更好、更快地完成这些日常反复发生的编辑任务。
据 Figma 介绍，项目启动时，前沿模型无法理解 Figma 语法，依靠系统提示词引导又会消耗大量 token，因此团队选择了监督微调（SFT）。每个训练样本包含初始设计、合成的编辑请求和成功修改的示例；设计使用 Figma 原生文件格式表示，让模型学习生成可应用回画布的改动。
训练数据由更大的教师模型尝试生成，再通过确定性校验器和视觉模型评判，检查输出是否有效、是否满足请求。Figma 称，早期一版基于 Llama 3.3 70B、使用超过 25 万个样本训练的模型，在编辑任务上已能与当时的顶尖模型竞争。
此后，Figma 转向更强的基座模型，包括新版 Qwen、Muse Spark Open 和 Inkling。团队称，单靠 SFT 会让模型倾向于模仿训练中见过的设计，影响泛化能力，样本效率也偏低，因此在最新训练方案中加入强化学习（RL），重点改进设计领域的训练环境、样本多样性、奖励模型和专家编写的评价标准。
评测方面，Figma 将设计结构检查与视觉评判结合，再由专业设计师校准、复核结果。其内部编辑评测图表显示，基于 Qwen 3.8 27B 后训练、尚未发布的最新编辑模型得分为 77.8%，第三方模型 Sol 6.1 为 76.9%。这属于发布方自测；Figma 也说明，内部评测只是产品选择模型时的参考因素之一。
已开放的 Figma agent 同时使用自研模型和第三方模型。按 Figma 的介绍，图像生成、矢量及全新设计探索交给第三方模型，适合自研模型处理的精确编辑与迭代则由自研模型负责。
据 Figma 公布的数据，从测试版到正式版，典型任务快了约 20%；在由专业设计师参与的对比测试中，新 agent 有 62% 的情况胜过或持平上一版生产 agent。用户评分提高了 33%，撤销 agent 操作的次数减少了 60%。
Figma 还表示，自研后训练设计模型承担的工作份额已增加一倍以上，每条消息的平均成本有所下降。公司将这些改善归因于模型、工具和运行框架等多个环节的共同进步，编辑模型只是其中一部分。
