PrismaCoder: modelos abertos de 9B e 35B alcançam os fechados na geração de código visual

Os modelos abertos para codificação multimodal ganharam três artefatos de uma só vez: o pipeline de dados PrismaForge, o dataset PrismaCoder-2M e dois modelos treinados nele, o PrismaCoder-9B e o PrismaCoder-35B. Os autores descrevem o PrismaCoder-2M como o conjunto aberto mais diverso e maior para código multimodal. Na avaliação deles, os modelos lideram por larga margem entre as soluções abertas e competem com os principais sistemas proprietários. Código e dados foram publicados.

Por que é tão difícil verificar um "código que parece correto"

O código multimodal liga o mundo simbólico dos programas ao mundo visual que eles criam quando são executados. Cada vez mais, pede-se aos modelos que gerem gráficos, páginas web, animações e documentos semiestruturados. Os sistemas fechados já conseguem montar artefatos interativos a partir de uma descrição em texto ou de uma única captura de tela. Porém, os dados e o treinamento desses sistemas não são acessíveis, e a comunidade aberta esbarra na quantidade e na qualidade dos exemplos de treinamento, além das formas de obtê-los.

Aqui, qualidade é mais difícil de obter do que quantidade. Um bom exemplo precisa ser, ao mesmo tempo, um programa correto, um código bem escrito e, acima de tudo, ter a aparência certa depois de renderizado. Os sinais existentes cobrem esses requisitos apenas separadamente. A execução geralmente rende um único bit: passou ou falhou. A similaridade do código com uma referência reflete mal a imagem final, já que dois programas totalmente diferentes podem desenhar a mesma coisa, enquanto programas quase idênticos podem produzir resultados distintos. Já os verificadores feitos para uma tarefa específica não se transferem para outras.

A rubrica como filtro e como recompensa

O PrismaForge é um pipeline hierárquico, e no centro dele está uma rubrica sintetizada. Ela decompõe os três fatores de qualidade em critérios verificáveis. A ideia é transformar uma avaliação geral de "bom ou ruim" em um conjunto de perguntas concretas sobre cada exemplo.

A mesma rubrica desempenha dois papéis. Primeiro, ela seleciona os dados para o treinamento supervisionado e forma o corpus PrismaCoder-2M. Depois, a mesma rubrica atua como recompensa na etapa de aprendizado por reforço em tarefas de codificação visual. Essa ligação resolve um problema comum: quando o filtro de dados e o sinal do RL medem a qualidade por réguas diferentes, o modelo acaba otimizando na direção errada.

Outro resultado dos autores diz respeito à transferibilidade. A análise mostra que o pipeline baseado em rubricas melhora a codificação multimodal em diferentes arquiteturas base. Isso indica que o efeito vem da própria abordagem de dados e recompensas, e não de particularidades de um único modelo.

O que exatamente foi publicado

• PrismaForge: pipeline hierárquico de síntese e filtragem de dados baseado em uma rubrica decomposta.
• PrismaCoder-2M: dataset aberto para código multimodal, o mais diverso e o maior até hoje, segundo os autores.
• PrismaCoder-9B e PrismaCoder-35B: dois modelos treinados nesses dados, com publicação dos pesos.
• Código e dados disponíveis na página do projeto.
• Escopo de tarefas: gráficos, páginas web, animações e documentos semiestruturados.

O que isso significa para desenvolvedores e equipes

O principal valor do lançamento está na abertura de toda a cadeia. Antes, era possível baixar um modelo, mas não entender com quais dados e de que forma ele foi treinado. Agora estão disponíveis os dados, o método de filtragem e a rubrica, que pode ser adaptada às próprias tarefas. Para equipes que desenvolvem ferramentas de geração de dashboards, landing pages ou relatórios, é uma chance de refinar o modelo com dados próprios usando o mesmo mecanismo de avaliação.

O tamanho dos modelos também tem implicações práticas. O 9B roda, na prática, em uma única GPU de consumo ou profissional com quantização, o que serve para cenários locais e para trabalhar com código sensível. O 35B exige uma infraestrutura mais robusta, mas continua numa classe ao alcance de equipes pequenas, e não apenas de laboratórios com clusters enormes.

As rubricas como sinal universal também podem ser aplicadas fora do código visual. Qualquer tarefa cujo resultado precise ser avaliado por vários eixos independentes, de interfaces à geração de documentos, ganha um modelo a seguir: decompor a qualidade em critérios verificáveis, filtrar os dados com eles e usar os mesmos critérios como recompensa. As afirmações de paridade com sistemas proprietários merecem ser testadas nas suas próprias tarefas, especialmente em páginas interativas complexas. Ainda assim, a comunidade aberta passa a ter um ponto de partida reproduzível.