Генеративный интерфейс на проверке специализацией: модель OUI-1 от Thesys

Пока модели с открытыми весами развиваются главным образом по шкале числа параметров, компания Thesys попробовала путь вертикальной специализации и объявила о выпуске OUI-1, представив его как первую модель с открытыми весами, посвящённую Generative UI, — заявление, которое зависит от того, как очерчена сама категория, и которое никто не проверял независимо. Модель получена LoRA-дообучением DiffusionGemma 26B-A4B-it от Google, чьи веса затем были слиты в формат safetensors bf16; в ней 26 миллиардов параметров всего, из них 4 миллиарда активных, и контекстное окно на 16 384 токена. Заявленная в карточке модели на Hugging Face цель — дать возможность генерировать интерфейсы для приложений на фреймворке OpenUI локально, снизив зависимость от удалённых API. Что до распространения, веса остаются под действием Gemma Terms of Use — проприетарной лицензии Google с ограничениями использования, отчётливо отличающейся от одобренных OSI открытых лицензий, в отличие от самого фреймворка OpenUI, выпущенного под MIT.

Опубликованные компанией данные о производительности приписывают OUI-1 результат 71,7 % в Generative UI Benchmark против 13,0 % у базовой модели. Оценка опирается на openui-lang — декларативный язык, который, по измерениям Thesys, сокращает необходимое число токенов до 67 % по сравнению с форматом JSON. Однако в той же сравнительной таблице видно, что универсальная модель Qwen3.8 27B показывает более высокий результат — 78,8 %: заявленное преимущество OUI-1, стало быть, не в абсолютном значении, а в том, что близкий результат получен при 4 миллиардах активных параметров. Кроме того, устройство бенчмарка — 46 брифов, распределённых по пяти уровням сложности, — имеет узкий периметр: метрика измеряет исключительно формальную корректность вывода, вроде отсутствия осиротевших компонентов или ошибок разбора, не улавливая ни удобство использования, ни эстетическое качество полученного дизайна.

На уровне запуска цифры сходятся не до конца. Требования указывают около 25,8 ГиБ видеопамяти для работы в квантизации FP8 через vLLM, что, по словам Thesys, делает реальной даже потребительскую видеокарту вроде RTX 5090; исходные тесты, однако, проводились на одной A100. Показатели задержки тоже не совпадают: в анонсе указано 1,9 секунды на вывод, а в карточке модели — около секунды на экран на одном GPU; свести оба числа к одной конфигурации невозможно. В технической дискуссии на Hacker News прозвучали сомнения в согласованности интерфейсов, заново генерируемых в каждой сессии, в возможности отладки при недетерминированном выводе и в отсутствии каких-либо визуальных подтверждений в официальном объявлении.

Перенести Generative UI с удалённых API на компактную модель, которую можно разместить у себя, — рациональное архитектурное решение для сдерживания вычислительных затрат. Остаётся, однако, факт: когда один и тот же субъект определяет модель, синтаксис вывода и оценочный бенчмарк, полученная метрика измеряет прежде всего соответствие правилам, которые он же и начертил. — Olya