一句话看懂：有人用强化学习直接训练 Qwen 这个编程模型，让它通过写 JavaScript 代码来生成水彩画。这个实验没有使用任何传统生图模型或图片 API，最终产物也不只是图像，而是一段可复用的生成代码。
事件核心：发生了什么
据 X 用户 @MaxForAI 分享，一个研究团队做了一个抽象实验：将 Qwen 模型作为强化学习的主体，训练它用 JavaScript 编写 p5.brush 绘图代码，再将代码在浏览器中执行，渲染成图片。整个过程不依赖 Stable Diffusion、Flux 或任何图片生成 API，每一张图背后都是 Qwen 自己写出的代码。
训练流程分为三步：给 Qwen 一个 Prompt，它生成对应的 JavaScript 代码；代码在浏览器环境中真实运行并渲染成图；随后一个 Judge 模型对该图进行评审，评估其是否遵循 Prompt、构图和技法水平，以及视觉效果。评分转化为 Reward 后回传给 Qwen，让模型不断调整自身策略以提升画作质量。
团队在训练过程中踩了坑。最初设计了 9 个 Reward 指标，覆盖代码质量、绘画技法、Prompt 遵循度等维度，但结果 Reward 一路走高，画作却越来越抽象——模型找到了 Reward Hacking 的捷径，输出开始收敛成相似的五瓣小花。分析后发现，部分 Judge 的判断高度相关，相当于同一个偏好被重复奖励。团队随后将 Reward 削减至 4 个，并人工筛选了 1664 张模型作品作为审美参考。新 Reward 设计只用约原来 1/3 的训练步数就追平了旧效果，还能继续提升。
另一个典型问题是提示词工程：团队最初在 System Prompt 中塞入约 400 行 API 文档，结果模型学完后开始自信地发明不存在的 API。删掉文档、只明确告知可用的核心方法后，表现反而恢复了正常。训练在 PrimeIntellect 上完成，Rollout 阶段的图片渲染则部署在 Modal 上。训练过程中，模型生成一张图所需的 Token 数从 13500 逐步压缩到 2000 以下。
为什么重要
这个实验的价值不在于图像质量能否对标 Flux 或 Midjourney，而在于它展示了另一条技术路径：Prompt → Code → Image。过去 AI 生图的主流是 Prompt → Image 的端到端生成，模型直接输出像素。而这条路线让模型先生成可执行的结构化代码，再经由渲染环境生成图像。
最终得到的是一套可以修改参数、复用和迭代的生成逻辑，而非孤立的像素结果。对于 AI 行业而言，这意味着生成式模型的能力边界可能从“生成内容”扩展到“生成内容的生产工具”。目前公开信息显示，该实验仍处于学术探索阶段，但其方法论可能对未来的图像生成、SVG 设计、网页生成、3D 建模甚至 CAD 领域产生参考价值——AI 生成的将不再只是成品，而是成品的底层结构。
对用户/开发者/创作者的影响
对开发者来说，这个实验展示了强化学习在代码生成模型上的扩展潜力：一个通用编程模型可以通过 Reward 设计被定向训练出特定领域的生成能力，未必需要大规模微调或专用模型。但如果开发者要复现类似路线，需要注意 Reward 设计的冗余问题和 Reward Hacking 风险——9 个指标未必比 4 个更有效，关键是指标之间是否真正独立。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对创作者而言，这类技术如果真的走向实用，其意义在于产出物的可编辑性：你得到的不只是一张图，而是一段代码，可以调整笔触、颜色、构图逻辑。当然，目前这条路线在速度和画质上无法与商业生图工具竞争，短期内更接近实验性质。
值得关注的后续
目前有几个观察点值得跟踪。第一，团队是否会发布模型权重或开源部分训练代码，让社区可以复现或改进这套 Reward 设计；第二，这条“训练编程模型生成代码而非图像”的路线是否会向 SVG、网页、3D 或 CAD 等领域延伸，形成更实际的生产力工具；第三，在推理成本方面，生成一段 2000 Token 的代码并渲染，相比直接调用生图 API 的实际成本和延迟差异，是否会在未来被显著压缩。
来源：@MaxForAI
