生成式界面遭遇专业化考验:Thesys 的 OUI-1 模型

在开放权重模型的演进主要沿着参数规模这条轴推进之际,Thesys 公司尝试了纵向专业化的路线,发布了 OUI-1,并将其称为首个专门面向生成式界面(Generative UI)的开放权重模型——这一说法取决于如何划定这个类别的边界,而且没有任何第三方独立核实过。该模型通过对谷歌 DiffusionGemma 26B-A4B-it 进行 LoRA 微调构建,权重随后被合并为 safetensors bf16 格式,总参数 260 亿、其中活跃参数 40 亿,上下文窗口为 16,384 个 token。Hugging Face 模型卡上声明的目标,是让基于 OpenUI 框架的应用能够在本地生成界面,从而降低对远程 API 的依赖。在分发层面,权重仍受谷歌 Gemma Terms of Use 约束——这是一份带有使用限制的专有许可,与 OSI 认可的开源许可有明确区别,和以 MIT 许可发布的 OpenUI 框架本身并不相同。

公司公布的性能数据显示,OUI-1 在 Generative UI Benchmark 上得分 71.7%,基础模型为 13.0%。该评测建立在 openui-lang 之上,这是一种声明式语言,按 Thesys 自己的测量,相比 JSON 格式最多可减少 67% 的 token 消耗。然而在同一张对比表中可以看到,通用模型 Qwen3.8 27B 拿到了更高的 78.8%:因此 OUI-1 所主张的优势并非绝对分数,而是用 40 亿活跃参数取得了接近的分数。此外,基准的构造——46 份任务简报,分布在五个复杂度档位——范围也相当有限:该指标只衡量输出的形式正确性,比如是否存在孤立组件或解析错误,并不涉及所生成设计的可用性或美学质量。

在运行环节,账目并没有完全对上。需求文档给出的是通过 vLLM 以 FP8 量化运行约需 25.8 GiB 显存,Thesys 据此认为 RTX 5090 这类消费级显卡也可行;但最初的测试是在单张 A100 上完成的。延迟数据同样对不上:发布文章写的是每次输出 1.9 秒,而模型卡宣称在单张 GPU 上每个界面约一秒——两个数字无法归到同一套配置。在 Hacker News 上展开的技术讨论中,有人质疑每次会话重新生成的界面能否保持一致、非确定性输出带来的调试困难,以及官方公告里完全没有任何视觉证据。

把生成式界面从远程 API 迁移到一个紧凑、可自托管的模型,是控制算力成本的合理架构选择。但事实依然存在:当模型、输出语法和评测基准都由同一方定义时,得出的指标首先衡量的,是它对自己划定的那圈规则的贴合程度。 — Olya