InternLumina-U2 vs Tencent UI-Mate-27B：今すぐ実行できるデスクトップエージェント vs 読むことしかできない統合ビジョンモデル

Tencent UI-Mate-27BとInternLumina-U2は、中国の研究所が2週間違いでひっそりと公開したApache-2.0ライセンスの2つのモデルであり、競合ではない——まさにだからこそ、比較する価値がある。2026年8月14日にオープンウェイトとしてリリースされたTencent UI-Mate-27Bはデスクトップエージェントだ。画面を監視し、マウスとキーボードの操作を出力する。一方、上海AI研究所（Shanghai AI Laboratory）が2026年9月1日に推論コードとして公開したInternLumina-U2は、統一視覚モデルを目指すもので、画像・動画・3Dを読み取り、画像の生成と編集もできると主張している。片方は見たものに基づいて動作し、もう片方は、そのウェイトが最終的に存在するようになったとき、見たものについて語り、描くようになるだろう。もしあなたの仕事がデスクトップの操作なら、今日この2つのうちでそれを実行できるのは1つだけだ——しかもそれは、より凝ったアーキテクチャを備えたほうではない。

行動するエージェント：Tencent UI-Mate-27B

UI-Mate-27B は、Tencent の HY Frontier マルチモーダルエージェントチームが開発した、270億パラメータのオープンウェイト基盤GUIエージェントで、Qwen3.6-27B からファインチューニングされています。このモデルはライブのスクリーンショットを観察し、現在の画面状態について推論して、正規化された座標空間で構造化されたキーボード操作とマウス操作を出力します。これは実際のデスクトップを操作するよう訓練されたモデルの成果物であって、デスクトップについてチャットするためのモデルではありません。際立った特徴は、デモンストレーションに導かれる実行方式(demonstration-guided execution)です。ワークフローを一度見せるだけで、記録されたデモンストレーションを目の前のタスクに適応させ、インターフェースが記録時と異なる場合には、ライブのスクリーンショットを最も信頼できる情報として扱います。Tencent が報告した主要スコアは、OSWorld-Verified 77.0 と WindowsAgentArena 66.2 で、いずれも独立に再現されれば 2026 年の各リーダーボードで首位に立つ数字です。それに加えて、OSWorkerBench でも複数のスコアが報告されています。重みは実在し、ダウンロードも可能です。Hugging Face 上に 12 個の safetensors シャードが公開されており、数枚の GPU 上で vLLM または SGLang を通じてセルフホストできます。また、モデルカードには重要な注意書きがあります。このモデルは単体のビジュアルチャットモデルではなく、エージェントチェックポイントであるという点です。このモデルに「この画像を説明して」と与えるのは、誤った使い方です。

約束された瞳: InternLumina-U2

InternLumina-U2はまったく別種の存在だ。これは16Bパラメータのスパース混合エキスパート拡散モデル（アクティブは1B）であり、ラボはこれをオムニビジュアル理解・画像生成・画像編集を一手に担う1つのモデルとして構想している。完全離散型の8コードブック設計で、単一のバックボーンが画像、チャート、動画、3Dアセットを読み取り、新しいピクセルを書き出す。もしGUIエージェントをイメージしているなら、InternLumina-U2はその正反対の極にいる。何かをクリックしたいのではなく、すべてを理解し、求められれば描くことを望む。2026年9月1日時点で公開されているのは、推論コードとアーキテクチャだ。GitHubリポジトリには6つのタスクエントリポイント、プロジェクトページには予備的なベンチマーク表、そして空のHugging Faceスタブがある。しかし、重み、学習コード、テクニカルレポートはすべて「近日公開」のままだ。誰もそれを実行できない。2つのモデルの隔たりは品質ではない。存在そのものの違いだ。

スコアボード

UI-Mate-27Bの数値はTencent報告であり、未再現である。InternLumina-U2の数値はラボ報告であり、予備的かつ部分的である。各行にはその出所が記載されている。

• 仕事 — Tencent UI-Mate-27B：デスクトップを操作 — ライブのスクリーンショットを読み取り、マウスとキーボードのアクションを出力。InternLumina-U2：知覚と創造 — 画像・動画・3Dを理解し、画像を生成・編集。

• 重み — Tencent UI-Mate-27B：2026年8月14日から公開、12個のsafetensorsシャード、Apache-2.0。InternLumina-U2：非公開 — 空のHugging Faceリポジトリ、重みは「近日公開」。

• 規模 — 27Bのdenseモデル(Qwen3.6-27Bからファインチューニング)vs 合計16B / アクティブ1BのスパースMoE拡散モデル。

出力 — Tencent UI-Mate-27B: 正規化された座標空間での構造化されたpyautogui互換アクション。InternLumina-U2: テキスト、最大1024×1024のテキストから画像への生成、および命令ベースの画像編集を謳っている。

• 主要数値 — Tencent UI-Mate-27B: OSWorld-Verified 77.0、WindowsAgentArena 66.2、OSWorkerBenchはデモンストレーションによる向上（すべてTencent報告による）。InternLumina-U2: ChartQA 86.52、GenEval 0.81、MathVision 33.22（ラボ報告、暫定値）。

• 出典に関する注意事項 — Tencent UI-Mate-27B: カード自体が、これはエージェントチェックポイントであり、単体のビジュアルチャットモデルではないと警告しています。InternLumina-U2: プロジェクトページは自身の結果を「暫定的・部分的」と表示しています。

実態を提供する — Tencent UI-Mate-27B: vLLMまたはSGLangを使用して約2台のGPU上でセルフホスト可能。現在、ホスト型推論プロバイダーはこれをデプロイしていません。InternLumina-U2: 誰もサービスを提供できません — リリースされたドライバーは、リポジトリに存在しないチェックポイントを期待しています。

未証明の2つの異なる種類

2つのモデルはどちらも未実証だが、「未実証」という言葉は、同じ意味で二度使われているわけではない。Tencent UI-Mate-27Bは、通常、新しいモデルが未実証と呼ばれる意味で未実証だ。つまり、その看板スコアはベンダー自身によるもので、誰も独立に再実行しておらず、ダウンロード数も主張に比べればごくわずかである。これは、一見したところ公開から4日目で、その後は小規模ながらコミュニティが育ってきたチェックポイントに典型的な様相だ。しかし、こちらは検証可能な意味での未実証である。モデルの重みが存在する以上、66.2と77.0という数値は、GPUを2枚とWindowsのテスト環境を持つ人なら誰でも、今週中に検証できる。デモに基づく主張も、実際のワークフロー上で再現または反証できる。InternLumina-U2は、より厳密な意味で未実証だ。すなわち、検証不能なのである。そのアーキテクチャは公開されていて、読めば理解できる。しかし、数値はそうではない——それらを裏付けるアーティファクトが存在しないのだ。さらに、ラボ自身が公表した部分的な表には、同モデルが少なくとも一つの生成ベンチマークで、名指しされた競合モデルに遅れを取っていることがすでに示されている。ダウンロード可能なファイルに付属するベンダーの数値は、審判を待つ主張である。ロードマップに付属するベンダーの数値は、希望である。

2026年8月27日に取得されたtencent/UI-Mate-27BのHugging Faceカード — Qwen3.6-27Bベース、ベンダー報告によるOSWorldおよびWindowsAgentArenaのスコア、そして現在どの推論プロバイダーもそれをデプロイしていないという注記。

自然な分業：アクターとその目

並べて見ると、この2つのモデルは信頼性の高い自動化パイプラインの輪郭を描き出す。GUIエージェントの難しい問題は平均的なケースではない。予期しない画面状態でエージェントが静かに間違った動作をし、誰も気づかないことだ。まさにそのために、安価で信頼できるビジョンモデルが存在する。つまり、各アクションの前後で画面状態を検証し、表示されたダイアログがエージェントが表示されたと思っているダイアログであることを確認し、現実とエージェントの現実認識モデルが乖離したらループを停止する。Tencent UI-Mate-27Bはアクターであり、InternLumina-U2がそうであると主張するような統合ビジョンモデルは、自然な検証役であり、エージェントが操作するのと同じスクリーンショットを読み取ることができる。InternLumina-U2のウェイトが実際に公開され、その理解力に関する主張が独立したテストに耐えたとき、そしてその時だけ、それはエージェントに対抗するのではなく、エージェントと並んで果たすことのできる役割になる。この2つは同じ仕事をめぐる競争相手ではなく、仕事の2つの半分なのだ。

2026年9月2日にキャプチャされたInternLM/InternLumina-U2 GitHubリポジトリ — リポジトリのランディングページにはタスクごとの推論スクリプトが表示されており、その中には画面状態検証器を構築する基となる画像理解エントリポイントも含まれている。それを実行可能にする重みはツリー内には存在しない。

ルーティングレイヤーがエージェント＋視覚スタックに対して果たす役割

どちらのモデルもOrcaRouter上ではホストされておらず、その逆を示唆するつもりもありません。Tencent UI-Mate-27Bにはどこにもホスティングプロバイダーが存在せず、InternLumina-U2には、どのプロバイダーもホストできるウェイトが存在しません。適用されるルーティングパターンは、まさにこのアーキテクチャのためのものです。行動するエージェントと検証するビジョンモデルを、高コストまたは高リスクのステップが、安価で信頼性の高いステップにゲートされる形で構成します。ルーティングDSLは、これを2つのモデルプロバイダー間の特注グルーコードではなく、単一の論理呼び出し（実行→検証→続行または停止）として表現します。自動フェイルオーバーは、現実的な障害モードをカバーします。UI-Mate-27BのようなGUIエージェントは、まさに、まずテストパスで見極めるべき未実証のチェックポイントであり、新しいモデルが誤動作した瞬間に、呼び出しは実証済みモデルへフォールスルーします。200以上のホストモデルにわたる単一API、プロバイダー定価を0%マークアップでパススルー、そして未実証のスタック構成要素は、信頼を獲得するまでの間、安全レールの内側に保たれます。

結論

何かデスクトップを操作するものを構築しているなら、Tencent UI-Mate-27Bはこの2つのうち実用的な意味で存在する唯一のものだ——今日あなた自身のGPUで実行可能で、印象的だが未再現のスコアを実際にテストできる。何かを見て理解し、それについて描画するモデルが必要なものを構築しているなら、InternLumina-U2は重みを待つ有望なアーキテクチャだ——今読む価値はあるが、safetensorsが現れるまで依存関係としては無価値だ。分業が可能になる日をこの2つを注視しよう：あなたのデスクトップ上のアクター、それを見守る検証済みの目のセット、そしてそれらを正直に保つルーティング層。