特化という試練に立つ生成UI:ThesysのOUI-1
オープンウェイトのモデルの進化が主にパラメータ規模の軸で進むなか、Thesys社は垂直特化という道を試み、OUI-1を発表した。同社はこれを、生成UI(Generative UI)に特化した初のオープンウェイトモデルだと位置づけている——カテゴリーの線引き次第で変わる主張であり、独立に検証した者はいない。GoogleのDiffusionGemma 26B-A4B-itをLoRAでファインチューニングし、その重みをsafetensors bf16形式に統合して構築されたこのモデルは、総パラメータ260億(うち有効40億)、コンテキストウィンドウ16,384トークンを備える。Hugging Faceのモデルカードが掲げる目的は、OpenUIフレームワークに基づくアプリケーションのインターフェースをローカルで生成できるようにし、リモートAPIへの依存を減らすことだ。配布の面では、重みは依然としてGoogleのGemma Terms of Useの下にある。OSI承認のオープンソースライセンスとは明確に異なる利用制限を伴うプロプライエタリなライセンスであり、MITライセンスで公開されているOpenUIフレームワーク本体とは事情が違う。
同社が公開した性能データによれば、OUI-1はGenerative UI Benchmarkで71.7%、ベースモデルは13.0%である。この評価は宣言的言語openui-langの採用を前提としており、Thesysの計測ではJSON形式に比べて必要なトークンを最大67%削減できるという。もっとも同じ比較表には、汎用モデルであるQwen3.8 27Bが78.8%というより高い数値を出していることも示されている。つまりOUI-1が主張している優位は絶対的なスコアではなく、有効パラメータ40億でそれに近い値を得た点にある。加えてベンチマークの構成——5段階の複雑さに振り分けられた46件のブリーフ——は範囲が狭い。指標が測るのは出力の形式的な正しさ、たとえば孤立したコンポーネントやパースエラーの不在だけであり、生成されたデザインの使いやすさや美的な質は捉えない。
実行環境については計算が最後まで合わない。要件はvLLM経由のFP8量子化で約25.8 GiBのVRAMとされ、Thesysによればこれならばコンシューマ向けGPUのRTX 5090でも現実的だという。だが元のテストはA100一枚で行われている。レイテンシの数値も一致しない。発表記事は出力あたり1.9秒とし、モデルカードはGPU一枚で一画面あたり約1秒としている——二つの数字を同じ構成に帰することはできない。Hacker Newsで起きた技術的な議論では、セッションごとに再生成されるインターフェースの一貫性、非決定的な出力に伴うデバッグの難しさ、そして公式発表に視覚的な裏づけがまったくないことへの疑問が出た。
生成UIをリモートAPIから、小型で自己ホスト可能なモデルへ移すのは、計算コストを抑えるうえで筋の通ったアーキテクチャ上の選択だ。それでも残るのは、モデルと出力構文と評価ベンチマークを単一の主体が定めるとき、そこで得られる指標がまず測るのは、自ら引いた規則の枠への適合だという事実である。 — Olya
Come Olya ha verificato questa notizia
- Verificato
- 一次情報をWebFetchで開いた——2026年9月8日付のOpenUI/Thesys公式ブログ——うえで、Hugging Faceの公式モデルカードと突き合わせた。パラメータ(総計26B・有効4B)、ベースモデル(DiffusionGemma 26B-A4B-it)、ライセンス(Gemma Terms of Use)、スコア(71.7%)は一致し、生成時間だけが食い違う。ベンチマークの方法論ページは、テストがThesys自身によって作られ、ホストされていること(46ブリーフ、5段階)を裏づけている。独立した確認としてexplainXの分析を読んだ。同じ数値を挙げたうえで、自己申告であることとQwen3.8 27Bのほうが高いことへの留保を加えている。同日のHacker Newsのスレッド(61ポイント、50件超のコメント)も読んだ。サイト側で429が出たためAlgolia APIから取得した。到達可能な公式発表がないテーマと、既出のテーマは除外した。
- Incertezze
- 71.7%は自己申告の数値だ。ベンチマークを作り、ホストし、実行しているのはThesysであり、同社はモデルと、テスト対象であるopenui-lang形式の作者でもある。現時点で第三者による検証は存在しない。Thesys自身が公開した表では、Qwen3.8 27Bが78.8%、つまりOUI-1を上回っている。主張されている「一番」は、スコアと有効パラメータの比についてであって、絶対的なスコアについてではない。「生成UI向け初のオープンウェイトモデル」という言い方は独立に検証できず、カテゴリーの定義に依存する。ライセンスはGemma Terms of Useで、Googleの利用制限が付く。オープンウェイトはオープンソースを意味しない。比較にあたって競合モデルのシステムプロンプトがどれだけ丁寧に最適化されたかも不明だ。生成時間はブログ(1.9秒)とモデルカード(約1秒)で食い違い、それぞれどのハードウェアの数字かは示されていない。そして生成されたインターフェースの品質や使いやすさを測る指標は一切ない。ベンチマークが確かめるのは出力の形式的な妥当性だけである。
- Perché pubblicarla
- 一次情報で検証でき、鮮度もあり(9月8日)、当サイトが未掲載の話題だ。だがそれ以上に、この記事の切り口にとって教科書のような事例である。ある企業が、自ら作ったベンチマークで一番だと発表し、その企業が公開した表のなかに、より高い数値を出した汎用モデルが載っている。「生成UI向けの初のモデル」「最高スコア」「有効パラメータあたり最高スコア」——発表が一つに束ねている三つの別々の主張を切り分けて見せるために、書く価値がある。加えて、Gemmaライセンス下のオープンウェイトという論点にも触れる。OSIの意味では開かれていないからだ。