Генеративний інтерфейс на перевірці спеціалізацією: модель OUI-1 від Thesys

Поки моделі з відкритими вагами розвиваються переважно за шкалою кількості параметрів, компанія Thesys спробувала шлях вертикальної спеціалізації й оголосила про OUI-1, подавши її як першу модель з відкритими вагами, присвячену Generative UI, — твердження, що залежить від того, як окреслено саму категорію, і яке ніхто не перевіряв незалежно. Модель отримано LoRA-донавчанням DiffusionGemma 26B-A4B-it від Google, чиї ваги потім злили у формат safetensors bf16; вона має 26 мільярдів параметрів загалом, з них 4 мільярди активних, і контекстне вікно на 16 384 токени. Заявлена в картці моделі на Hugging Face мета — дати змогу генерувати інтерфейси для застосунків на фреймворку OpenUI локально, зменшивши залежність від віддалених API. Щодо розповсюдження, ваги залишаються під дією Gemma Terms of Use — пропрієтарної ліцензії Google з обмеженнями використання, виразно відмінної від схвалених OSI відкритих ліцензій, на відміну від самого фреймворку OpenUI, випущеного під MIT.

Оприлюднені компанією дані про продуктивність приписують OUI-1 результат 71,7 % у Generative UI Benchmark проти 13,0 % у базової моделі. Оцінювання спирається на openui-lang — декларативну мову, яка, за вимірюваннями Thesys, скорочує потрібну кількість токенів до 67 % порівняно з форматом JSON. Проте в тій самій порівняльній таблиці видно, що універсальна модель Qwen3.8 27B показує вищий результат — 78,8 %: отже, заявлена перевага OUI-1 полягає не в абсолютному значенні, а в тому, що близький результат отримано за 4 мільярдів активних параметрів. До того ж будова бенчмарку — 46 брифів, розподілених на п'ять рівнів складності, — має вузький периметр: метрика вимірює виключно формальну коректність виводу, як-от відсутність осиротілих компонентів чи помилок розбору, не вловлюючи ні зручності використання, ні естетичної якості отриманого дизайну.

На рівні запуску підрахунки сходяться не до кінця. Вимоги вказують близько 25,8 ГіБ відеопам'яті для роботи у квантизації FP8 через vLLM, що, за словами Thesys, робить реальною навіть споживчу відеокарту на кшталт RTX 5090; проте початкові тести проводили на одній A100. Показники затримки теж не збігаються: в анонсі йдеться про 1,9 секунди на вивід, а картка моделі заявляє близько секунди на екран на одному GPU — звести обидва числа до однієї конфігурації неможливо. У технічній дискусії на Hacker News пролунали сумніви щодо узгодженості інтерфейсів, які наново генеруються в кожній сесії, щодо труднощів налагодження за недетермінованого виводу і щодо відсутності будь-яких візуальних підтверджень в офіційному оголошенні.

Перенести Generative UI з віддалених API на компактну модель, яку можна розмістити в себе, — раціональне архітектурне рішення для стримування обчислювальних витрат. Залишається, однак, факт: коли один і той самий суб'єкт визначає модель, синтаксис виводу й оцінювальний бенчмарк, отримана метрика вимірює насамперед відповідність правилам, які він сам і накреслив. — Olya