生成UIを自動で作る拡散モデルOUI-1、1秒で画面を出力

モデル

生成UIを自動で作る拡散モデルOUI-1、1秒で画面を出力

スポンサーリンク

OUI-1が公開。生成UIベンチで71.7%、A100で軽い画面は1秒、重い画面は3〜6秒

この記事のポイント

  • 生成UI用の拡散モデル
  • ベース比5.5倍の71.7%を達成
  • A100 80GBでFP8重み25.8GiB

数字で見る

この記事に出てくる数字

ベンチマーク精度 71.7%
ベース比 5.5倍
トークン数 256

どこで使えるか

生成UIを自前で組む人向け。A100で軽い画面は1秒、重い画面は3〜6秒 Hugging Faceで公開済み vLLM 0.24, FP8, 48ステップ

スポンサーリンク

解説

かみくだいて説明します

thesysdevというチームが、2026年9月8日に、ユーザーインターフェースの画面を直接コードで書き出す、初めての拡散モデル「OUI-1」を公開しました。48回の処理ステップで、46種類の画面設計の指示に対して132回正解し、正答率は71.7%です。従来のモデルが部品を1つずつ生成していたのを、一度に256トークンをまとめて処理して確定させる方式に切り替えました。
画面のデザインを文章で渡すだけで、あとは全部コードが勝手に組まれるんですか。開発者が手動で部品を並べる作業が、ほとんど要らなくなるということですね。
そうですね。文章の指示と、使う部品のリストを渡すと、画面の部品を1つずつ1行ずつ書き出します。従来のモデルは部品を1つずつ生成していましたが、OUI-1は256トークンを一度に処理して、確信が持てた段階でその場で確定させていきます。
256トークンを一度に処理するというのは、文字を一度に何百個も書き出すイメージですね。専門用語で言うとトークンですが、見ている技術者に分かりやすく言うとどうなりますか。
正確には、文章を小さな区切りごとに分けた塊です。辞書を100文字ずつに切り分けたようなもので、1つのトークンが1文字とは限らず、1つのトークンが1語の場合もあります。このモデルはそれを256個まとめて処理し、1つずつ確からしさを確認しながら画面を組み立てていきます。
なるほど、区切りごとの塊をまとめて処理するんですね。では、開発者が自分の使う部品のリストを渡す場合、特別なプログラミングの知識が要りますか。
不要です。使う部品のリストをテキストファイルにするだけで、システムプロンプトとして読み込ませることができます。開発環境のツールを使えば、リストを自動で変換して設定ファイルに書き出すことができます。
設定ファイルに自動で書き出せるんですか。同じGPUで他のモデルと共用する場合、メモリはどれくらい必要になるのか気になります。
FP8という精度で動かす場合、モデル自体が25.8 GiBです。残りはGPUの空き容量から自動的に割り当てられますが、A100というGPUで使う場合、FP8の計算を直接サポートしていないため、速度の向上はありません。速度は変わらず、メモリ容量だけ減らすことができます。
速度は変わらないけど、メモリだけ節約できるんですね。では、画面が複雑な場合に、生成にかかる時間はどれくらい延びますか。
重い画面だと3から6秒です。1枚のGPUで1リクエストずつ処理する速度で、並列時は時間がかかりますが、対応できる範囲です。
1枚のGPUで対応できる速度なんですね。最後に、このモデルを使って実際に画面を組む場合、他のツールとの組み合わせは決まっていますか。
決まりはありません。書き出したコードは、ReactやVue、Svelteといった一般的なフレームワークで表示できます。ただし、OUI-1が出力するopenui-langという記述方法に合わせたレンダリングの仕組みが必要で、公式が公開しているツールで対応します。
システムプロンプトにコンポーネントライブラリのシグネチャを与えることで対応し、任意のOpenUIアプリから利用できます。

出典

この記事のもとになった情報

※ 本文と音声は生成 AI が作成しています。内容は出典をご確認ください。
本作品のキャラクターには株式会社Live2Dの著作物であるサンプルデータが株式会社Live2Dの定める規約に従って用いられています。本作品は制作者の完全な自己の裁量で制作されています。このキャラクターモデルは株式会社Live2Dより許諾を得て商用利用しています。

スポンサーリンク

-モデル