一句话看懂：InfoVis 是一个 9B 规模的统一幻灯片生成与编辑模型，在自建的 VisSlideBench 评测中 11 项指标均领先评估过的开源模型，整体得分 7.94 分，接近 Nano-Banana-2 的 7.99 分。
事件核心：发生了什么
根据 Hugging Face Papers 收录的论文摘要（2026 年 10 月 12 日发布），研究者提出了四个以幻灯片为中心的任务，并构建了一个可扩展的数据引擎，包含超过 1300 万条持续预训练记录和 190 万条监督微调记录。同时，团队推出了 VisSlideBench 基准，包含 1527 个经过人工筛选的实例，覆盖全部四个任务，并采用任务特定的多维评估。其自动排名与盲审下的人工维度排名一致。
基于这些资源，团队训练了 InfoVis，一个统一的 9B 幻灯片生成和编辑模型。在 VisSlideBench 上，InfoVis 在所有 11 项指标上领先每一个被评估的开源模型，整体得分为 7.94，而 Nano-Banana-2 为 7.99。从 FLUX.2-klein-base-9B 出发，幻灯片特定的后训练使整体得分增加 1.6 分，其中内容忠实度方面的生成增益最大；与专有模型的剩余差距在内容忠实度上最小，在美学质量上最大。基于 InfoVis 的文档到幻灯片工作流在外部 SlidesGen-Bench 上取得了第二高的美学得分。团队表示将发布模型、代码、数据和基准。
为什么重要
幻灯片生成与编辑长期面临一个核心矛盾：模型需要同时完成准确的文字渲染、指令遵循、视觉定位、美学设计和精确编辑，而现有工作通常只覆盖其中的部分能力，且缺乏大规模的幻灯片原生监督和诊断性评估。InfoVis 试图通过统一模型、大规模数据引擎和配套基准来填补这一空白。
从竞争格局看，InfoVis 以 9B 参数规模在开源模型中取得领先，并在内容忠实度上最接近专有模型，这对关注开源多模态生成能力的研究者和开发者具有参考价值。VisSlideBench 的引入也为后续研究提供了可复现的评测坐标。目前公开信息显示，该成果仍为论文阶段，尚未确认是否已有产品化落地或经过同行评审。
对用户/开发者/创作者的影响
对开发者而言，团队承诺发布模型、代码、数据和基准，这意味着后续可能出现可本地部署或微调的幻灯片生成方案，降低在演示文稿场景中使用大模型的门槛。对创作者来说，文档到幻灯片的自动化工作流如果落地，可减少手动排版和内容搬运的时间，但摘要中未披露具体交互形式、推理成本或支持的文件格式。对企业采购方，内容忠实度上的表现意味着生成结果可能更贴近原始文档，但美学质量与专有模型仍有差距，是否满足品牌规范要求需要实际测试。
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。
值得关注的后续
第一，模型、代码、数据和基准是否按承诺开源，以及开源协议和商用限制。第二，VisSlideBench 的评测条件是否可复现，第三方能否在相同任务上验证 11 项指标的排名。第三，基于 InfoVis 的文档到幻灯片工作流是否转化为可用的 AI 应用或 API，以及推理算力需求和定价策略。第四，Nano-Banana-2 等闭源竞品是否在幻灯片专项任务上跟进优化。
