La interfaz generativa a prueba de especialización: el modelo OUI-1 de Thesys

Mientras la evolución de los modelos de pesos abiertos avanza sobre todo en la escala de los parámetros, la empresa Thesys ha probado la vía de la especialización vertical anunciando OUI-1, presentado por la compañía como el primer modelo de pesos abiertos dedicado a la Generative UI: una reivindicación que depende de cómo se delimite la categoría y que nadie ha verificado de forma independiente. Construido mediante un finetuning LoRA del modelo DiffusionGemma 26B-A4B-it de Google — cuyos pesos se fusionaron después en el formato safetensors bf16 —, el modelo suma 26.000 millones de parámetros totales, 4.000 millones de ellos activos, y una ventana de contexto de 16.384 tokens. El objetivo declarado en la model card de Hugging Face es permitir generar en local interfaces para aplicaciones basadas en el framework OpenUI, reduciendo la dependencia de API remotas. En cuanto a la distribución, los pesos siguen sujetos a los Gemma Terms of Use de Google, una licencia propietaria con restricciones de uso claramente distintas de las licencias de código abierto aprobadas por la OSI, a diferencia del framework OpenUI, publicado con licencia MIT.

Los datos de rendimiento difundidos por la empresa atribuyen a OUI-1 una puntuación del 71,7 % en el Generative UI Benchmark, frente al 13,0 % del modelo base. La evaluación se apoya en openui-lang, un lenguaje declarativo que, según las mediciones de Thesys, reduce hasta un 67 % los tokens necesarios respecto al formato JSON. En la misma tabla comparativa aparece, sin embargo, que un modelo generalista como Qwen3.8 27B obtiene un resultado superior, del 78,8 %: la ventaja reivindicada para OUI-1 no es, por tanto, la puntuación absoluta, sino obtener una cercana con 4.000 millones de parámetros activos. El armazón del benchmark, articulado en 46 briefs repartidos en cinco niveles de complejidad, presenta además un perímetro estrecho: la métrica mide exclusivamente la corrección formal de la salida — la ausencia de componentes huérfanos o de errores de parseo —, sin captar la usabilidad ni la calidad estética del diseño producido.

En el plano de la ejecución las cuentas no cuadran del todo. Los requisitos indican unos 25,8 GiB de VRAM para funcionar con cuantización FP8 mediante vLLM, lo que según Thesys pone al alcance incluso una GPU de consumo como la RTX 5090; las pruebas originales, sin embargo, se hicieron sobre una única A100. Tampoco coinciden las métricas de latencia: el post de anuncio habla de 1,9 segundos por salida, mientras que la model card declara alrededor de un segundo por pantalla en una sola GPU; las dos medidas no son atribuibles a la misma configuración. En el debate técnico surgido en Hacker News se plantearon dudas sobre la coherencia de las interfaces regeneradas en cada sesión, sobre las dificultades de depuración ligadas a salidas no deterministas y sobre la ausencia de pruebas visuales en el anuncio oficial.

Trasladar la Generative UI de las API remotas a un modelo compacto y autoalojable es una decisión arquitectónica razonable para contener los costes de cómputo. Queda el hecho de que, cuando un único sujeto define el modelo, la sintaxis de salida y el benchmark de evaluación, la métrica resultante mide ante todo la adhesión a un perímetro de reglas construido por él mismo. — Olya