Figma는 기존 디자인의 간격·색상·레이아웃 등을 수정하는 작업에 특화한 모델을 학습하고 있다고 밝혔다. 이 모델은 Figma 에이전트에 포함돼 정밀한 편집과 반복 수정에 쓰이며, 이미지 생성이나 새로운 디자인 탐색에는 작업별로 적합한 외부 모델을 활용한다.

Figma는 초기에는 지도 미세조정(SFT)으로 모델을 훈련했다. 시작 디자인, 합성 편집 요청, 요청을 반영한 편집 결과를 학습 사례로 묶고, Figma의 네이티브 파일 형식으로 디자인 변경을 표현했다. 디자인 시스템 자산이 필요한 작업에는 테마와 컴포넌트 변경 요청도 합성해 포함했다. 더 큰 교사 모델이 편집 결과를 만들면 결정론적 검증기와 시각 모델 평가자가 출력의 유효성 및 요청 반영 여부를 확인했고, 평가자 피드백으로 결과를 수정하는 파이프라인도 사용했다.

Figma에 따르면 25만 개가 넘는 사례로 훈련한 초기 Llama 3.3 70B 모델은 당시 최상위 모델들과 편집 작업에서 경쟁력을 보였다. 이후에는 Qwen 모델, Muse Spark Open, Inkling 등 더 성능이 높은 기반 모델로 옮겨갔다. Figma는 모방 학습만으로는 학습 데이터와 비슷한 디자인을 만드는 데 치우쳐 일반화가 제한될 수 있고, 다양한 작업을 다루려면 사례가 많이 필요하다고 설명했다. 이에 최신 학습 방식에는 강화학습(RL)도 포함하고, 디자인 작업에 맞는 환경과 사례 다양성, 보상 모델, 전문가가 작성한 평가 기준을 개선하고 있다고 밝혔다.

모델 평가는 Figma 작업 능력과 지시 이행, 기존 디자인을 유용하게 수정하는지뿐 아니라 처리 속도와 비용도 살핀다. 구조 검사와 시각 평가를 함께 사용하고, 전문 디자이너가 결과를 검토하고 기준을 조정한다. 평가는 정렬, 대비, 요청 충족, 올바른 컴포넌트 사용처럼 서로 다른 품질 요소를 나눠 살핀다. Figma는 최신 미출시 편집 모델을 Qwen 3.8 27B 기반으로 후학습해 외부 모델들과 내부 평가에서 비교했다고 밝혔지만, 이 비교는 제품에 사용할 모델을 고르는 여러 기준 가운데 하나라고 덧붙였다.

Figma 에이전트는 모든 사용자에게 제공되기 시작했으며, 자체 편집 모델과 외부 모델을 함께 사용한다. Figma는 이 작업이 사용자가 개별 편집을 관리하는 시간을 줄이는 데 도움이 될 수 있다고 설명했다. 학습 시 고객의 개인정보와 선호를 존중한다는 방침은 Figma의 안내에서 확인할 수 있다.