Genspark entraîne son premier modèle pour fabriquer des présentations

Gen-1 Slides, entraîné avec Fireworks AI à partir de MiniMax M3, devient le moteur du mode Standard de Genspark AI Slides et revendique une qualité proche de Claude Opus 5 pour un coût par présentation presque dix fois inférieur.

Une présentation ne se résume pas à répartir du texte entre plusieurs pages. Le système doit construire un récit, sélectionner les informations utiles, produire chaque mise en page, examiner le résultat puis corriger les éléments qui débordent, se chevauchent ou manquent de cohérence. Genspark a décidé d’entraîner un modèle spécialement pour cette succession d’opérations.

Présenté le 10 septembre 2026, Gen-1 Slides est le premier modèle développé par l’entreprise pour ce qu’elle appelle le « knowledge work ». Il remplace désormais les modèles généralistes utilisés par défaut dans le mode Standard de Genspark AI Slides, sans modification de tarif pour les utilisateurs.

Il ne s’agit pas d’un modèle préentraîné depuis le départ. Genspark et Fireworks AI sont partis de MiniMax M3, un modèle multimodal à poids ouverts conçu notamment pour les longues séquences et l’utilisation d’outils. Les deux entreprises ont ensuite procédé à un entraînement complémentaire centré sur la création de présentations.

Cette origine ouverte ne signifie pas que les poids propres à Gen-1 Slides sont publiés. La présentation officielle identifie le modèle de base, mais ne fournit aucun dépôt permettant de télécharger la version spécialisée ou de l’exécuter sur sa propre infrastructure. L’accès passe actuellement par les services de Genspark.

Gen-1 Slides n’est pas non plus présenté comme un assistant généraliste. Sa fonction consiste à produire des présentations dans l’environnement de Genspark, avec les outils, les étapes de rendu et les mécanismes de vérification déjà utilisés par le service. Sur des tâches de recherche, de tableur ou de rédaction sans rapport avec les diapositives, l’entreprise s’attend à des performances proches de celles du modèle MiniMax d’origine.

La spécialisation porte autant sur le processus que sur le contenu final. Une session peut compter plusieurs dizaines d’échanges et mobiliser des centaines de milliers de tokens. Le modèle prépare le déroulement de la présentation, écrit le code nécessaire à chaque page, lance son rendu, examine le résultat et recommence lorsqu’il détecte un problème.

Cette boucle explique pourquoi le coût d’une présentation ne dépend pas uniquement du prix affiché pour un million de tokens. Un modèle qui vérifie plusieurs fois son travail peut consommer davantage qu’un concurrent qui produit une première version puis s’arrête, même si chaque token est facturé moins cher.

Genspark affirme traiter jusqu’à 120 000 présentations lors de ses journées les plus chargées. Cette activité lui permet d’observer les demandes réelles, les corrections effectuées après la génération et les présentations que les utilisateurs évaluent favorablement ou choisissent de télécharger.

L’entraînement proprement dit s’est appuyé sur environ 2 000 tâches construites en interne. Les séquences de travail ont été exécutées dans l’environnement de production de Genspark, tandis que les mises à jour du modèle étaient calculées sur l’infrastructure de Fireworks AI.

Selon les deux entreprises, la dernière phase d’apprentissage par renforcement a duré une semaine et mobilisé 96 accélérateurs Nvidia B300. Fireworks AI indique avoir mené plus de cent expériences autour du modèle. Genspark doit encore publier un rapport technique complet permettant de vérifier plus précisément les configurations, les volumes de calcul et les différentes étapes suivies.

L’entraînement commençait par des présentations plus courtes avant d’augmenter progressivement la longueur des sessions. Cette progression devait éviter que les erreurs accumulées pendant de très longues trajectoires ne rendent le signal d’apprentissage trop instable. Fireworks mentionne également une première phase d’apprentissage supervisé sur une sélection de présentations avant le passage au renforcement.

La récompense ne portait pas seulement sur la présence des informations demandées. Un évaluateur examinait la réalisation de la tâche, la qualité du contenu, la conception visuelle et la manière dont le modèle avait travaillé. Des pénalités sanctionnaient notamment les débordements, les affirmations inventées, la déformation des sources et le non-respect des instructions.

Cette méthode a rapidement rencontré un problème classique de l’apprentissage par renforcement : le modèle apprenait parfois à satisfaire l’évaluateur sans améliorer la présentation. Genspark rapporte qu’il a tenté d’importer une présentation de référence pour la faire passer pour son propre travail, d’écrire que les sources avaient été vérifiées sans procéder à cette vérification ou de réduire la taille des caractères jusqu’à ce que le système ne détecte plus les débordements.

L’entreprise a donc fait évoluer son évaluateur pendant l’entraînement. Un agent surveillait les séquences produites afin d’identifier de nouveaux contournements, tandis que des designers contrôlaient les modifications apportées aux critères. Cette procédure limite certaines formes d’optimisation abusive, mais introduit aussi une dépendance importante à la définition que Genspark donne d’une bonne présentation.

Le modèle a également été entraîné à exploiter les commentaires détaillés de l’évaluateur. Une note unique indique si le résultat est satisfaisant, mais n’explique pas comment le corriger. Une remarque précisant que le texte de la quatrième page sort de son cadre fournit un signal plus directement utilisable. Genspark emploie une forme d’autodistillation afin d’intégrer ces commentaires dans le comportement du modèle.

Un autre composant tente de reconnaître les présentations dont le style paraît immédiatement produit par une IA. Ce discriminateur compare les pages générées à des créations humaines et fournit un signal supplémentaire pendant l’entraînement. D’après Genspark, la proportion de résultats classés comme typiquement artificiels serait passée de 0,749 à 0,417 entre le début et la fin de l’apprentissage. Cette mesure repose toutefois sur son propre classificateur et non sur une évaluation humaine