De generatieve interface op de proef van specialisatie: het OUI-1-model van Thesys

Terwijl modellen met open gewichten zich vooral op de schaal van het aantal parameters blijven ontwikkelen, heeft het bedrijf Thesys de weg van de verticale specialisatie geprobeerd met de aankondiging van OUI-1, door het bedrijf gepresenteerd als het eerste model met open gewichten dat gewijd is aan Generative UI — een claim die afhangt van hoe je de categorie afbakent en die niemand onafhankelijk heeft geverifieerd. Gebouwd via een LoRA-finetuning van Googles DiffusionGemma 26B-A4B-it, waarvan de gewichten vervolgens zijn samengevoegd in het formaat safetensors bf16, telt het model 26 miljard parameters in totaal, waarvan 4 miljard actief, en een contextvenster van 16.384 tokens. Het doel dat de model card op Hugging Face noemt, is interfaces voor toepassingen op basis van het OpenUI-framework lokaal te kunnen genereren en zo de afhankelijkheid van externe API's te verkleinen. Voor de distributie blijven de gewichten onderworpen aan Googles Gemma Terms of Use, een propriëtaire licentie met gebruiksbeperkingen die duidelijk verschillen van de door de OSI erkende opensourcelicenties — anders dan het OpenUI-framework zelf, uitgebracht onder MIT.

De prestatiecijfers die het bedrijf naar buiten bracht, schrijven OUI-1 een score van 71,7% toe op de Generative UI Benchmark, tegenover 13,0% voor het basismodel. De evaluatie leunt op openui-lang, een declaratieve taal die volgens de metingen van Thesys tot 67% van de benodigde tokens bespaart ten opzichte van JSON. In diezelfde vergelijkingstabel blijkt echter dat een generalistisch model als Qwen3.8 27B hoger uitkomt, op 78,8%: het voordeel dat voor OUI-1 wordt geclaimd is dus niet de absolute score, maar het feit dat het er dichtbij komt met 4 miljard actieve parameters. Ook de opzet van de benchmark — 46 briefs verdeeld over vijf complexiteitsniveaus — heeft een smalle omtrek: de maatstaf meet uitsluitend de formele correctheid van de output, zoals het ontbreken van verweesde componenten of parseerfouten, zonder iets te zeggen over de bruikbaarheid of de esthetische kwaliteit van het opgeleverde ontwerp.

Op het vlak van de uitvoering klopt de rekening niet helemaal. De vereisten noemen ongeveer 25,8 GiB VRAM voor uitvoering in FP8-kwantisatie via vLLM, wat volgens Thesys ook een consumenten-GPU als de RTX 5090 haalbaar maakt; de oorspronkelijke tests draaiden echter op één enkele A100. Ook de latentiecijfers vallen niet samen: het aankondigingsbericht meldt 1,9 seconde per output, terwijl de model card ongeveer een seconde per scherm op één GPU opgeeft — de twee metingen zijn niet tot dezelfde configuratie te herleiden. In het technische debat op Hacker News werden twijfels geuit over de consistentie van interfaces die bij elke sessie opnieuw worden gegenereerd, over de debugproblemen bij niet-deterministische output en over het ontbreken van elk visueel bewijs in de officiële aankondiging.

Generative UI verplaatsen van externe API's naar een compact, zelf te hosten model is een rationele architecturale keuze om rekenkosten te beperken. Het blijft dat wanneer één partij het model, de outputsyntaxis en de evaluatiebenchmark bepaalt, de resulterende maatstaf vooral meet in hoeverre iets past binnen een zelfgetrokken regelkader. — Olya