Generative Oberflächen auf dem Prüfstand der Spezialisierung: das Modell OUI-1 von Thesys

Während sich Modelle mit offenen Gewichten vor allem entlang der Parameterzahl weiterentwickeln, hat das Unternehmen Thesys den Weg der vertikalen Spezialisierung versucht und OUI-1 angekündigt — vorgestellt als erstes Modell mit offenen Gewichten, das der Generative UI gewidmet ist. Ein Anspruch, der davon abhängt, wie man die Kategorie zuschneidet, und den niemand unabhängig überprüft hat. Entstanden ist das Modell durch ein LoRA-Finetuning von Googles DiffusionGemma 26B-A4B-it, dessen Gewichte anschließend in das Format safetensors bf16 verschmolzen wurden; es zählt 26 Milliarden Parameter insgesamt, davon 4 Milliarden aktiv, und ein Kontextfenster von 16.384 Token. Das in der Model Card auf Hugging Face erklärte Ziel ist, Oberflächen für Anwendungen auf Basis des OpenUI-Frameworks lokal erzeugen zu können und so die Abhängigkeit von entfernten APIs zu verringern. Bei der Verbreitung bleiben die Gewichte den Gemma Terms of Use von Google unterworfen, einer proprietären Lizenz mit Nutzungsauflagen, die sich deutlich von den OSI-anerkannten Open-Source-Lizenzen unterscheidet — anders als das OpenUI-Framework selbst, das unter MIT veröffentlicht ist.

Die vom Unternehmen verbreiteten Leistungsdaten bescheinigen OUI-1 einen Wert von 71,7 % im Generative UI Benchmark gegenüber 13,0 % beim Basismodell. Die Auswertung stützt sich auf openui-lang, eine deklarative Sprache, die laut den Messungen von Thesys bis zu 67 % der gegenüber JSON nötigen Token einspart. In derselben Vergleichstabelle zeigt sich allerdings, dass ein generalistisches Modell wie Qwen3.8 27B mit 78,8 % besser abschneidet: Der für OUI-1 reklamierte Vorteil ist also nicht der absolute Wert, sondern ein naher Wert mit 4 Milliarden aktiven Parametern. Auch der Aufbau des Benchmarks — 46 Briefings über fünf Komplexitätsstufen — hat einen engen Umfang: Die Metrik misst ausschließlich die formale Korrektheit der Ausgabe, etwa das Fehlen verwaister Komponenten oder von Parsing-Fehlern, ohne die Benutzbarkeit oder die ästhetische Qualität des erzeugten Designs zu erfassen.

Bei der Ausführung geht die Rechnung nicht ganz auf. Die Anforderungen nennen rund 25,8 GiB VRAM für den Betrieb in FP8-Quantisierung über vLLM, was laut Thesys auch eine Consumer-GPU wie die RTX 5090 praktikabel macht; die ursprünglichen Tests liefen jedoch auf einer einzelnen A100. Auch die Latenzangaben decken sich nicht: Der Ankündigungsbeitrag nennt 1,9 Sekunden pro Ausgabe, die Model Card etwa eine Sekunde pro Bildschirm auf einer einzelnen GPU — beide Werte lassen sich nicht auf dieselbe Konfiguration zurückführen. In der technischen Debatte auf Hacker News wurden Zweifel laut an der Konsistenz der bei jeder Sitzung neu erzeugten Oberflächen, an der Fehlersuche bei nicht deterministischer Ausgabe und am Fehlen jeglicher visueller Belege in der offiziellen Ankündigung.

Die Generative UI von entfernten APIs auf ein kompaktes, selbst hostbares Modell zu verlagern, ist eine rationale architektonische Entscheidung, um Rechenkosten zu begrenzen. Es bleibt jedoch dabei: Wenn ein einziger Akteur das Modell, die Ausgabesyntax und den Bewertungsbenchmark definiert, misst die entstehende Metrik vor allem die Treue zu einem selbst gezogenen Regelrahmen. — Olya