/ Модель

Характеристики

Контекст
65 536 токенов
Размер весов
20,6 ГБ
Лицензия
MIT
Архитектура
glm4v · dense
Базовая модель
GLM-4.1V-9B-Base
Библиотека
transformers
Опубликована
11 ноя 2025

UI2Code_N

Изображение и текст → текст3 профессии

UI2Code^N — мультимодальная модель на базе GLM-4.1V-9B-Base для генерации кода пользовательских интерфейсов по изображениям, их редактирования и визуальной полировки.

414скачиваний за 30 дней26лайковвеса обновлены12 ноя 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Изображение → текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

UI2Code^N — визуально-языковая модель, разработанная для генерации и доработки пользовательских интерфейсов по изображениям. Она создана на основе GLM-4.1V-9B-Base и обучалась в несколько этапов: предварительное обучение, дообучение и обучение с подкреплением. Модель поддерживает генерацию кода интерфейса по изображению, редактирование и визуальную полировку интерфейсов с использованием итеративной обратной связи.

Модель предназначена для сценариев, где нужно преобразовать визуальный макет в код, внести изменения в существующий интерфейс или улучшить его внешний вид. Архитектура GLM-4V — плотная мультимодальная модель с обработкой изображений и текста; репозиторий содержит веса в формате safetensors и использует Transformers. Карточка указывает поддержку китайского и английского языков. Лицензия — MIT.

Сценарии применения

  • создание кода интерфейса по скриншоту
  • редактирование существующего интерфейса по изображению и текстовым указаниям
  • визуальная полировка веб-интерфейса
  • итеративная доработка макета по обратной связи

Ограничения

README описывает возможности генерации и редактирования интерфейсов, но не приводит количественных оценок качества или ограничений по поддерживаемым форматам кода.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

UI2Code^N is a visual language foundation model trained through staged pretraining, fine-tuning, and reinforcement learning to achieve foundational improvements in multimodal coding, which unifies three key capabilities: UI-to-code generation, UI editing, and UI polishing. Instead of relying on single-turn paradigms that make little use of iterative visual feedback, UI2Code^N introduces an interactive UI-to-code framework that more accurately reflects real-world workflows and raises the upper bound of achievable performance.

Backbone Model

Our model is built on GLM-4.1V-9B-Base.

Quick Inference

This is a simple example of running single-image inference using the transformers library.
First, install the transformers library:

pip install transformers>=4.57.1

Then, run the following code:

from transformers import AutoProcessor, AutoModelForImageTextToText
import torch

messages = [
    {
        "role": "user",
        "content": [
            {
                "type": "image",
                "url": "https://raw.githubusercontent.com/zheny2751-dotcom/UI2Code-N/main/assets/example.png"
            },
            {
                "type": "text",
                "text": "Please generate the corresponding html code for the given UI screenshot."
            }
        ],
    }
]
processor = AutoProcessor.from_pretrained("zai-org/UI2Code_N")
model = AutoModelForImageTextToText.from_pretrained(
    pretrained_model_name_or_path="zai-org/UI2Code_N",
    torch_dtype=torch.bfloat16,
    device_map="auto",
)
inputs = processor.apply_chat_template(
    messages,
    tokenize=True,
    add_generation_prompt=True,
    return_dict=True,
    return_tensors="pt"
).to(model.device)
generated_ids = model.generate(**inputs, max_new_tokens=16384)
output_text = processor.decode(generated_ids[0][inputs["input_ids"].shape[1]:], skip_special_tokens=False)
print(output_text)

See our Github Repo for more detailed usage.

Citation

If you find our model useful in your work, please cite it with:

@article{ui2coden2025,
    title   = {UI2Code$^{N}$: A Visual Language Model for Test-Time Scalable Interactive UI-to-Code Generation},
    author  = {Yang, Zhen and Hong, Wenyi and Xu, Mingde and Fan, Xinyue and Wang, Weihan and Gu, Xiaotao and Tang, Jie},
    journal = {arXiv preprint arXiv:2511.08195},
    year    = {2025}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Glm4vForConditionalGeneration
Ревизия весов
ef839d8

0 моделей