我们训练了一个专门做 PPT 的模型

一个专门生成PPT的模型，能做到什么程度？

做一份真正能拿去汇报的 PPT，到底有多麻烦？资料要找，结构要理，文字要压缩，页面还得一张张排。AI 的确已经能帮忙，但从能生成 PPT和生成完真的敢拿去开会，中间还有很长一段距离。

有些模型第一眼看起来不错，仔细一看却可能出现排版溢出、空白页面，甚至凭空编造文字；能力足够强的前沿模型效果更好，但如果要长期、大规模使用，成本又会很快上来。这也是所有 PPT 生成产品都会面对的一道难题：既要保证输出真的能用，又要把成本控制在一个可以规模化的范围内。

Genspark 的 Slides 就运行在这样的业务场景里。用户会用它做季度汇报、客户提案、董事会材料等真正要拿去展示的 PPT，每个月处理的 Token 已经超过 1 万亿。到了这个规模，模型质量和成本都会直接影响产品体验和商业化。最近，Genspark 和 Fireworks Lab 基于开放权重模型 MiniMax M3，继续训练出了专门做 PPT 的 Gen-1 Slides。

它不只是“帮你写几页 PPT”，而是会自己规划整份演示文稿的结构、写内容、生成页面、检查渲染结果，发现排版问题之后再自己修改。从规划、生成，到检查和修正，整个过程都由模型自己完成。

更关键的是，在 Genspark 的评估中，Gen-1 Slides 的整体PPT质量已经达到前沿闭源模型Opus 5的水平。

但这里有一个更有意思的问题：前沿模型已经这么强了，为什么做 PPT 这件事，还值得专门训练一个模型？

真正难的不是生成 PPT，是知道什么叫好 PPT

因为做 PPT 本身，就是一个非常具体、又足够复杂的任务。前沿模型虽然什么都能做，但 Genspark 真正需要的，是把其中“做 PPT”这一项能力单独做到更好：既能理解内容和叙事，又要兼顾视觉设计，还要在长流程里不断检查和修改。

一份 PPT 并不是一次模型调用就能完成的。模型首先要理解任务，规划整份内容的叙事结构，再写 HTML、渲染页面、检查效果。如果发现文字超框、布局有问题，还要返回去修改。一次完整任务可能持续几十轮，整个过程超过 10 万 Token。

这也是 Gen-1 Slides 和普通PPT 生成工具最大的区别之一。真正决定最终效果的，不只是模型会不会写内容，而是它在整个过程中不断做出的判断：这一页应该放多少信息？内容之间应该是什么关系？这里应该继续写，还是应该删掉？页面虽然成功生成了，但视觉上到底好不好？甚至更麻烦的是，一个错误可能在很早之前就已经埋下了。模型前面做出的一个布局决定，当时看起来没有问题，几十轮之后才导致最终页面渲染失败。所以，只把一堆优秀 PPT 丢给模型做模仿，并不能完整教会它如何一步步做出一份好 PPT。

这也是Genspark 和 Fireworks最终选择 RL (强化学习) 的原因。SFT (监督微调) 可以告诉模型好的 PPT 长什么样；RL要进一步训练的，是模型在几十轮操作中如何规划、判断、检查，再根据结果调整自己的行为。

但RL要真正发挥作用，还有一个前提：需要先把什么是好 PPT变成模型可以学习的标准。这也正是 Genspark 和 Fireworks 接下来要解决的核心问题。

Fireworks 做的，是把好 PPT一步步训练进模型

这次训练里，Genspark 和 Fireworks 的分工其实很清楚。Genspark最了解自己的用户，也最清楚什么样的 PPT 才真正能用。因此，他们把真实生产环境带进训练，定义 PPT 的质量标准，包括设计原则、评估方法，以及什么样的结果应该得到更高的分数。Fireworks Lab 则和 Genspark一起设计训练算法，并负责完整的训练过程，包括 Reward Engineering (奖励设计)、超过 100 次训练实验，以及支撑超长任务稳定训练的底层系统。

整个训练也不是一次微调结束，而是一层层往上加难度。

第一步，先做 SFT。

Fireworks 用经过筛选的高质量的Deck，让模型先建立对优秀 PPT 的基本认知，包括视觉设计和页面表达方式。

第二步，再进入短上下文 RL。

一开始不急着让模型完成特别长的任务，而是在相对较短的任务里训练，让奖励信号更清楚。这个阶段模型已经能生成更好的页面，但复杂布局还不够稳定。

第三步，再逐渐增加上下文长度。

等模型学会基本的判断和操作之后，再让它处理越来越长、越来越复杂的任务，最终训练完整的 PPT 制作流程。

这其实很像教一个新人做 PPT。先让他看懂什么叫好设计，再让他做一两页；会做之后，再让他负责完整汇报。最后训练的已经不是“这一页怎么排”，而是从理解任务、规划内容，到检查结果、发现问题和自己修改的一整套工作方式。

而RL还有一个很容易踩的坑：模型会想办法刷分。Fireworks的研究人员在训练过程中发现过一次，模型的视觉设计分数提高了，但任务完成度反而下降。单看总分似乎变好了，真正生成出来的 PPT 却没有变得更好。所以团队需要不断检查模型的完整训练轨迹，判断奖励信号上涨究竟代表模型真的变好了，还是它只是找到了评估体系里的漏洞。

到了这里，训练的对象其实已经不只是“一个会生成 PPT 的模型”。

Genspark 对什么是好 PPT 的判断，也被逐渐写进了模型。

做到Opus 5的水平，单份成本约降 90%

训练最后有没有用，还是要看实际结果。Gen-1 Slides目前已经成为Genspark AI Slides Standard模式的默认模型。在 Genspark 使用 200 个真实任务进行的内部评估中，Gen-1 Slides的整体表现达到前沿闭源模型 Opus 5的水平：视觉设计和综合得分领先，并且在三套独立评估体系的 9 个评分项中，有 8 项排名第一，全部 9 项进入前二。

这里也同步解释一下为什么一直拿Opus 5做对比。Opus 5 是目前能力最强的一档前沿闭源模型，复杂内容生成和Agent任务都是它擅长的方向，但相应的使用成本也很高。所以对 Genspark 来说，真正有意义的目标不是单纯训练出一个更便宜的模型，而是能不能在 PPT 这个具体任务上，把效果做到这一档，同时把成本降下来。

那么我们具体来看成本计算。按照输入 Token 的公开价格计算，Gen-1 Slides大约只有 Opus 5 的 1/17。如果直接按照最终生成一份完整 PPT 的实际成本计算，Gen-1 Slides大约是Opus 5的十分之一。

换算成更直观的数字：一个团队每个月生成 1000 份 PPT，使用 Opus 5 大约需要 4200 美元，Gen-1 Slides 大约只需要 400 美元，成本降低约 90%。过去只能支撑1个人使用的预算，现在可以支撑大约 10 个人。

而且，这并不是简单地用小模型换便宜。在真实生产环境中，Gen-1 Slides 的各项指标已经与 Opus 5 相当；相比训练前的基础模型，用户低评分的 PPT 比例也从 18% 降到了 3.6%。

这才是前面这一整套训练最终换来的结果：不是为了训练而训练，而是把一个开放模型在 PPT 这件事上做到前沿模型级别，同时把单份PPT的成本降到约十分之一。

对用户来说，模型是谁训练的其实没那么重要

用户打开一个PPT工具的时候，大概率不会关心背后用了SFT、RL，还是跑了多少次训练实验。大家真正关心的很简单：生成出来能不能直接用，需不需要自己再改半天，以及这个能力到底贵不贵。

这也是Fireworks Lab在这次合作中的价值最终落到用户身上的地方。Genspark最了解自己的用户，也最清楚什么样的 PPT 才真正能用；Fireworks则提供训练、推理基础设施和研究能力，帮助它把这些原本存在于业务数据、评估体系和产品经验里的标准，真正训练进开放模型。最终得到的，是一个专门把 PPT 做好的模型。更重要的是，被训练下来的不只有 Gen-1 Slides本身，还有一套对“什么是好 PPT”的判断标准。

Genspark已经把这些标准沉淀进自己的 Reward (奖励机制) 和 Eval (评估体系) 里。未来出现更强的基础模型时，这套标准依然可以继续用于下一轮训练。基础模型可以换，但Genspark对PPT的理解、积累的数据和评估标准可以留下来，并随着产品继续迭代。

这也是 Gen-1 Slides 比“又发布了一个 PPT 模型”更值得关注的地方。随着通用模型越来越强，真正决定一个 AI 产品体验的，可能越来越不是它接入了哪个模型，而是它能不能把自己对业务的理解，持续变成模型能力。Fireworks 做的，就是帮助企业完成这个过程：把原本存在于数据、业务流程和人的经验里的标准，逐渐训练进模型。

而对每天要写方案、做汇报、赶DDL的人来说，这一整套技术路线最后带来的结果其实非常朴素：

AI做出来的PPT，比预想中更好，能直接拿去汇报，同时也更便宜。