Um experimento conduzido em março de 2026 propôs uma abordagem inédita para geração de imagens por IA: transformar prompts de texto em pinturas, mas usando código como intermediário. O projeto, liderado por Surya e equipe, treinou o modelo Qwen 3.5 35B para criar sketches em JavaScript (p5.js) que são renderizados em imagens. O diferencial é que o resultado não é uma imagem fixa, mas um código editável, permitindo modificações granulares sem depender de re-prompts.
Como funciona a pipeline
O fluxo envolve quatro etapas principais repetidas milhares de vezes durante o treinamento. O modelo recebe um prompt — por exemplo, “desenhe um hibisco em aquarela” — e responde com um sketch completo em p5.brush (extensão do p5.js). O código é executado em um ambiente sandbox via Puppeteer, que gera um PNG. Em seguida, a imagem é comparada a duas referências selecionadas de um pool curado e avaliada por um modelo juiz, que decide qual é a melhor pintura no estilo solicitado. O resultado dessa avaliação é convertido em um sinal de recompensa, usado para atualizar o modelo via RL (GRPO).
O projeto destaca que cada decisão — desde a seleção do que é avaliado até o conteúdo do prompt do sistema — tem impacto direto na qualidade do resultado. O pool de referências continha 1.664 imagens, com 117 exemplos “love-tier” usados para comparações, tornando o processo de avaliação mais seletivo e relevante.
Ajustes no sistema de recompensa
Inicialmente, o sistema de recompensas era composto por nove sinais diferentes: gate de compilação, uso correto de p5.brush, controle de tamanho do código, aderência ao prompt (avaliada por GPT-5.4 e Gemini), além de quatro juízes de qualidade (reconhecibilidade, estética, técnica, profundidade) e um modelo de preferência humana (HPSv3). O modelo atingiu um platô rapidamente, gerando sempre flores planas e semelhantes, sem avanço perceptível de qualidade, apesar dos scores subirem.
A análise dos sub-sinais revelou alta correlação entre os juízes (0,85 a 0,95), indicando que o modelo recebia feedback redundante. A solução foi simplificar a métrica: eliminar escalas absolutas e focar em julgamentos pareados — o modelo precisa vencer referências reais do pool para progredir. Isso expandiu o range de recompensa e tornou o aprendizado mais significativo. O novo sistema de avaliação passou a combinar gates binários (compilação e uso de brush), HPSv3 (0,3 de peso) e vitória no julgamento pareado (0,6 de peso).
Com a métrica revisada, o modelo atingiu o platô anterior três vezes mais rápido e continuou melhorando, além de otimizar o tamanho do código de 13.500 para menos de 2.000 tokens. O próximo passo, que não foi implementado, seria treinar um reward model próprio para dispensar as comparações manuais.
Por que importa
A principal inovação está em transformar a geração de imagens em um processo editável e auditável, via código, e não apenas via prompt. Isso abre caminho para fluxos criativos mais flexíveis, onde usuários podem ajustar resultados diretamente, sem depender de múltiplas tentativas de prompt. O uso de julgamentos pareados e curadoria de referências mostra um caminho promissor para aplicar RL em tarefas criativas — tradicionalmente difíceis de mensurar. Para desenvolvedores de sistemas generativos, o estudo sugere que menos sinais de recompensa, mas mais seletivos, podem gerar avanços qualitativos reais.