OUI-1：首个开源权重的生成式UI模型

OUI-1：首个开源权重的生成式 UI 模型 OUI-1 是基于 DiffusionGemma 微调出的 26B/A4B MoE 模型，专为 "生成式 UI" 设计。它在 Generative UI...

OUI-1：首个开源权重的生成式 UI 模型 OUI-1 是基于 DiffusionGemma 微调出的 26B/A4B MoE 模型，专为 "生成式 UI" 设计。它在 Generative UI Benchmark 上拿到 71.7%，是基座模型 13.0% 的 5.5 倍，并以 8 倍更少的激活参数击败了 Gemma 4 31B 的46.7% openui.com/blog/oui-1 生成式 UI 对模型有三个苛刻约束：亚秒级生成、软件级可靠性、能跑在消费级硬件上。团队此前的 AppLess 演示靠 Cerebras 云端跑大模型才勉强达标，OUI-1 的目标是把这套体验搬到本地设备。 选 DiffusionGemma 做基座的架构决策：自回归模型受内存带宽瓶颈限制（逐 token 生成），而 DiffusionGemma 一次并行生成 256-token 块，Google 官方数据是 H100 上 1000+ tok/s、RTX 5090 上 700+ tok/s。但基座模型有个致命短板：速度够了，可靠性不够，只有 13.0%，输出全是结构性错误（枚举值写错、缺必需属性、凭空发明组件、引用未定义名称、生成永远接不到根节点的"孤儿"区块）。 # 方法论：三阶段训练，核心在第二阶段 阶段一：SFT 有效但暴露问题。 用约 700 个大模型生成的示例做 LoRA 微调（单张 A100）。分数从 13.0% 升至 28.8%，但暴露三个问题：①起初混用 7 个组件库训练，loss 降了分数反而更低，收窄到单一库才见效；②schema 错误和 wiring 错误“跷跷板”式此消彼长，无法同降；③速度从 1.6s 回退到 4.3s——程序变冗长（22→32 token/语句），去噪步数翻倍，对以“快”为卖点的方案是釜底抽薪。 阶段二：自蒸馏，全文核心。 关键洞察：OpenUI Lang 的解析器本身就是可验证奖励，既判对错又给出精确错误位置，无需训练 reward model。循环流程：生成几百个程序 → 解析器过滤 → 裁判模型核对需求 → near-miss 交给 LLM 定点修复（只改解析器报出的缺陷，中位数一条语句，重写即拒收，避免数据漂移）→ 存活者回流训练。每轮仅 500 步、一两小时。 结果一举三得：分数升至 57.1%；两类错误同时下降（292→76、971→484），跷跷板停止；速度恢复到 1.9s，尽管 token 量比基座还多 28%。团队对速度恢复给出的解释（自文本训练使梯度集中于修复点，token 提交更早触发）明确声明未经隔离验证——这份诚实值得肯定。 阶段三：泛化。 同一配方横跨 27 个组件库重跑，验证模型学到的是接口的通用规律而非死记硬背。AppLess 手机库 60 个未见需求，OUI-1 产出 55 个有效输出，基座仅 23 个。 Rabi Shanker Guha @rabi_guha Introducing OUI-1: the first open-weights model for Generative UI 71.7% on Generative UI Bench at 4B params. Beats Gemma 4 31B with 8× fewer active params, and scores 5.5× the base DiffusionGemma it was fine-tuned from. Methodology, weights, and full benchmark results in the blog 👇 Your browser does not support the video tag. 🔗 View on Twitter 🔗 View Quoted Tweet 💬 0 🔄 0 ❤️ 0 👀 328 📊 1 ⚡