Contexte et objectifs

Le projet OUI-1 vise à rendre la génération d’interfaces utilisateur (UI) agent‑driven réalisable sur du matériel grand public. Trois contraintes sont identifiées : génération en moins d’une seconde, fiabilité suffisante pour être utilisée comme logiciel, et modèle assez petit pour tourner sur un GPU de consommation (ex. RTX 5090 en FP8). Le modèle doit ainsi concurrencer les solutions cloud qui reposent sur du matériel spécialisé comme les Cerebras.

Architecture du modèle et méthode d'entraînement

OUI-1 repose sur DiffusionGemma, un modèle de diffusion de texte qui produit des blocs de 256 tokens à la fois, contrairement aux modèles autoregressifs qui émettent un token à la fois et sont limités par la bande passante mémoire. La version fine‑tuned possède 4 Mrd de paramètres actifs, ce qui la rend compatible avec un RTX 5090 en FP8. Le processus d’entraînement s’est déroulé en deux phases : d’abord un supervised fine‑tuning sur environ 700 exemples OpenUI‑Lang, puis une self‑distillation basée sur le parseur OpenUI‑Lang comme fonction de récompense. Le parseur identifie deux types d’erreurs : schema (enum incorrect, propriété manquante) et wiring (nom non défini, section non attachée).

Performances et analyse des résultats

Sur le Generative UI Benchmark, le modèle de base DiffusionGemma atteignait 13,0 % de score, avec des temps de génération de 1,6 s par sortie. Après fine‑tuning, le temps a grimpé à 4,3 s, car les programmes contenaient en moyenne 32 tokens par instruction contre 22 tokens initialement, doublant les étapes de débruitage. La self‑distillation a restauré la rapidité à 1,9 s tout en augmentant le nombre de tokens de 28 %. Le score du benchmark est alors passé à 57,1 %, les erreurs de schéma sont passées de 292 à 76 et les erreurs de wiring de 971 à 484. En appliquant la même chaîne d’entraînement à 27 bibliothèques de composants, OUI-1 a atteint **71,7 %** de score, dépassant Gemma 4 31B (46,7 %) et se rapprochant de Qwen3.8 27B (78,8 %) tout en restant à 4 B de paramètres actifs.

Limites et perspectives

Malgré l’amélioration, OUI-1 conserve une différence notable avec les modèles denses de 27 B paramètres, notamment sur les bibliothèques non vues pendant l’entraînement. Le mécanisme de self‑distillation repose sur le parseur OpenUI‑Lang, ce qui implique que la qualité du feedback dépend de la couverture du schéma. De plus, la génération reste sensible à la longueur des prompts : des briefs plus complexes pourraient réintroduire le goulot d’étranglement des étapes de diffusion. Les prochains travaux devront explorer une généralisation à d’autres langages de description d’UI et réduire davantage le nombre d’étapes de débruitage pour consolider la vitesse sans sacrifier la fiabilité.