Los generadores de diapositivas que viven en una app en la nube ya son comunes, pero un modelo que puedas ejecutar tú mismo y enseñarle tu estilo de casa es más raro, porque los modelos abiertos pequeños son malos de verdad haciendo diapositivas. Los títulos se pierden en el fondo, el texto se sale del borde, las formas se apilan unas sobre otras. Palette, de IBM, es un intento de investigación para arreglar eso, y su idea más reutilizable no es el modelo, sino el método que lo rodea.
El truco central es dejar de tratar una presentación como un único trabajo. Construir una diapositiva obliga a dos decisiones distintas a la vez: qué decir y cómo mostrarlo, que es editorial, y dónde colocar las cosas con precisión, que es geometría. Palette las separa en dos roles servidos por un único adaptador LoRA. Un designer lee el plan y escribe un brief estructurado en JSON: paleta, sistema tipográfico, el diseño y el contenido de cada diapositiva, con una breve justificación. Un coder toma luego el brief de una diapositiva y escribe el JavaScript que la dibuja con pptxgenjs. El brief intermedio es legible y editable, así que una persona o agente puede cambiar el diseño de una diapositiva sin regenerar toda la presentación, y como el contexto de cada diapositiva se fija primero, el coder se ejecuta en paralelo, lo que hace esa etapa unas seis o siete veces más rápida.
Los datos de entrenamiento son ellos mismos sintéticos. Sin un corpus público de planes, decisiones de diseño y código de diapositivas, IBM generó unas 1.000 presentaciones que cubren unas 10.000 diapositivas a partir de un modelo maestro más grande, cada una partiendo de una receta que fija género, longitud y diseño para que los datos de control tengan cobertura. Cada ejemplo lleva un razonamiento escrito como contrafactual, que explica por qué una opción rechazada estaba mal, de modo que el modelo aprende la regla y no solo el resultado.
La parte que vale la pena copiar es el verificador. Cada presentación sintetizada se renderiza y se inspecciona en busca de solapamientos y desbordes con el mismo arnés que se usa en la inferencia, y las diapositivas rotas se reparan, conservando la corrección solo si el verificador confirma que la diapositiva mejoró. Eso hace que el bucle de reparación sea seguro de ejecutar en cada salida: puede arreglar una diapositiva, pero nunca empeorarla. En PresentBench el arnés añade 3.5 puntos de media en 131 presentaciones, y Palette queda segundo en tres dominios con un 59.7 frente al 60.8 de NotebookLM, como un único modelo de pesos abiertos de 20B. Reseñamos rivales en la nube como Gamma y Beautiful.ai que resuelven la versión alojada de este problema.
Las advertencias son reales. El texto no nombra ningún modelo base, ninguna licencia ni un enlace para descargar los pesos, así que por ahora se lee como un informe de investigación más que como algo que puedas autoalojar hoy. IBM es franco en que la fidelidad es el problema más difícil: si un brief pide una tabla de seis por cinco pero aporta tres viñetas, el coder tiene que inventar el resto, y ninguna regla de prompt lo evita de forma fiable. El método, no la puntuación del benchmark, es lo que deberían llevarse otros equipos que generan documentos estructurados.