Runway Solaris: Das Interface-Weltmodell, das Code durch Video ersetzt

Runway Solaris und GWM Worlds 2 sind die beiden Modelle, die Runway zur Wende zum September 2026 auslieferte, und zusammen setzen sie auf eine bestimmte Wette: dass die nächste nützliche Sache, die ein Videomodell tut, nicht darin besteht, einen Clip zu rendern, den man sich ansieht, sondern eine Welt zu halten, in der man handelt. Solaris, angekündigt am 31. August, erzeugt Softwareoberflächen Frame für Frame – ein Klick oder ein Ziehen konditioniert den nächsten Frame, und das Bild ist die Anwendung, ohne HTML, CSS, JavaScript oder DOM darunter. GWM Worlds 2, angekündigt am 3. September, wendet denselben Trick auf Umgebungen an: kontinuierliches 720p bei 24 Bildern pro Sekunde mit 48-kHz-Audio, in Sitzungen, die nicht enden müssen. Am 10. September veröffentlichte Runway die Forschung hinter beiden, und dieser Beitrag ist nützlicher als die Launch-Berichterstattung, weil er erklärt, wie ein Diffusion-Videomodell schnell genug wird, um sich live anzufühlen. Was er nicht erklärt, ist, wie man Zugang bekommt. Keines der Modelle hat eine öffentliche API, einen veröffentlichten Preis oder herunterladbare Gewichte.

Wo Solaris und GWM Worlds 2 in Runways Produktpalette einzuordnen sind

Beide Modelle stammen vom selben Ursprung ab. Runways Videomodell Gen-4.5 ist das Basisartefakt; das im Dezember 2025 angekündigte Programm GWM-1 für ein allgemeines Weltmodell lieferte den Rahmen des „Weltmodells“; Runway Characters war Anfang 2026 die erste öffentliche Vorstellung der Idee, dass man ein Videomodell mit einem Prompt versehen und etwas erhalten konnte, das reagierte, statt etwas, das einfach abspielte.

Solaris führt diese Abstammungslinie an einen engeren und seltsameren Ort. Runway nennt es das erste Interface-Weltmodell, und die Behauptung ist nicht, dass es ein Bild einer UI erzeugt, sondern die Generierung ist die UI. Ein Sprachmodell entscheidet, was sich ändern soll, wenn man interagiert; das Weltmodell rendert die Konsequenz. In Runways Launch-Post wird herkömmliche App-Entwicklung als „verlustbehaftete Komprimierung“ beschrieben – die Absicht eines Designers wird in Code komprimiert und dann von einem Browser dekomprimiert, wobei alles, was man tun kann, auf das beschränkt ist, was ein Entwickler vorprogrammiert hat.

GWM Worlds 2 ist das umfassendere Geschwister. Es erzeugt interaktive Umgebungen statt Interfaces, und seine Steuerungsoberfläche ist ein Format, das Runway WorldPrompt nennt: ein dauerhafter „genesis“-Prompt, der Umgebung, Layout, Materialien, Beleuchtung, Atmosphäre, Subjekte, physikalische Regeln und Kameraperspektive festlegt, plus ein erstes Frame, um den Look zu verankern; dann ein mit Zeitstempeln versehener Ereignisstrom aus frei formulierten Textaktionen, die an ein Subjekt oder die Szene gerichtet sind, mit Start- und Endzeiten, sodass sich Aktionen überschneiden können.

• Solaris — Interface-Weltmodell, basierend auf Gen-4.5, das erste in Runways Reihe „Interface World Models“, angekündigt am 31. August 2026

• GWM Worlds 2 — zweites allgemeines Weltmodell, 720p bei 24 fps, 48-kHz-Audio einschließlich generierter Sprache mit synchronisierter Lippenbewegung, angekündigt am 3. September 2026

• Sitzungen — offen gestaltet für GWM Worlds 2 statt Clips mit fester Länge; 720p-Sitzungen für Solaris

• Zugang — Solaris: Formular für die Anfrage nach frühem Zugang. GWM Worlds 2: Kontaktformular. Keines der beiden hat Preise veröffentlicht oder einen öffentlichen Endpunkt

• Angegebene Latenz — Solaris soll mit interaktiven Geschwindigkeiten laufen, unter 500 ms pro Frame

• Unabhängige Benchmarks — keine. Alles bisher Veröffentlichte stammt von Runway

Die dreistufige Umwandlung, die die halbe Sekunde bringt

Der Forschungsbeitrag vom 10. September, „Auf dem Weg zur sofortigen Videogenerierung“, ist das erste Mal, dass Runway die Mechanismen detailliert beschreibt, und ihre Form ist aus der Diffusions-Destillations-Literatur vertraut, auch wenn die Anwendung es nicht ist. Der Ausgangspunkt ist ein standardmäßiges bidirektionales Videomodell – Gen-4.5 –, bei dem jeder Generierungsschritt auf ein anfängliches erstes Frame und eine Bildbeschreibung konditioniert, und zuvor generierte Latenten im Kontext gehalten werden. Dieses Modell ist präzise und langsam: Flow Matching benötigt viele Entrauschungsschritte pro Frame, und ein Frame, auf das man warten muss, ist keine Benutzeroberfläche.

Die Umwandlung erfolgt in drei Schritten. Zuerst wird die Architektur in einen zeitlich kausalen, Frame-für-Frame-autoregressiven Generator verwandelt – wobei jedes Frame nur von dem abhängt, was ihm vorausgeht, was Streaming überhaupt erst möglich macht. Zweitens reduziert die Distribution-Matching-Destillation die vielen Denoising-Schritte auf wenige, woher die Geschwindigkeit kommt. Dies läuft in zwei Phasen ab, und Runway ist ungewöhnlich klar darüber, warum beide benötigt werden. In der Off-Policy-Phase sagt der Student nächste Zustände aus Ground-Truth-Kontext voraus, während ein eingefrorener bidirektionaler Teacher gute Generierungen demonstriert und ein Critic den Studenten in Richtung der Verteilung des Teachers drückt – billig, weil es keine Rollouts gibt, aber für sich genommen unzureichend, da in Video ein früher Fehler zum Kontext für das nächste Frame wird und das Modell schnell aus der Verteilung treibt. Die On-Policy-Phase führt daher Rollouts während des Trainings durch, sodass jedes generierte Latent zum Kontext für das nächste wird, genau wie es bei der Inferenz der Fall sein wird. Runway sagt, dass die meisten echten Gewinne aus dieser Phase stammen und dass ein Curriculum mit zunehmender Sequenzlänge das Training auf langen Sequenzen von Anfang an übertrifft.

Drittens wird das Modell anhand seiner eigenen Ausgaben trainiert, um visuellen Drift über eine lange Sitzung hinweg zu verhindern. Die drei Phasen zusammen ermöglichen es Runway, das Wort „interaktiv“ zu verwenden; an keine von ihnen ist eine Latenz-, Bildraten- oder Durchsatzangabe geknüpft. Konkreter als „gute Latenz“ wird der Beitrag nicht. Was er aber sagt, ist, dass sich der Engpass vom Training auf die Inferenz verlagert, weil jedes Einzelbild das Modell schnell genug verlassen muss, um auf gemeinsam genutzter Hardware wiedergegeben werden zu können – und dass die Kosten pro Ausgabe bei gegebener Qualität darüber entscheiden, welche Anwendungsfälle überhaupt tragfähig sind.

Die 61-zu-24-Studie, sorgfältig lesen

Die Zahl, die aus der Solaris-Ankündigung am weitesten Verbreitung fand, war ein Präferenzwert, daher lohnt es sich, präzise zu sein, was gemessen wurde. Runway führte eine Studie mit 250 Teilnehmenden und etwa 7.500 paarweisen Beurteilungen anhand von 30 Interaktionsbeispielen durch. Die Teilnehmenden bevorzugten Solaris gegenüber einer codierten Schnittstelle, die erzeugt wurde durch Claude Opus 5, in 61 Prozent der Fälle bei der Befolgung von Interaktionsanweisungen, gegenüber 24 Prozent für die codierte Version; bei der Natürlichkeit des Verhaltens lag die Aufteilung bei 71 zu 21.

Drei Dinge, die diese Zahl nicht ist. Sie ist kein unabhängiges Ergebnis – Runway hat es entworfen, durchgeführt und darüber berichtet, und keine dritte Partei hat es reproduziert. Sie ist kein Maß dafür, ob die Schnittstelle funktioniert hat: Instruktionsbefolgung und Verhaltensnatürlichkeit sind Einschätzungen dazu, wie es aussah und sich anfühlte, nicht dazu, ob eine Aufgabe korrekt abgeschlossen wurde. Und sie ist kein Vergleich mit Claude Opus 5 selbst, einem Sprachmodell; sie ist ein Vergleich mit Schnittstellen, die ein Sprachmodell als Code geschrieben hat. Diese Unterscheidung ist die ganze Wette in einem Satz – die Behauptung ist nicht, dass Solaris klüger ist als ein LLM, sondern dass das Überspringen der Code-Ebene ein natürlicheres Ergebnis hervorbringt.

Was das Modell noch nicht kann

Runway ist offener über die Lücken als es Launch-Posts üblicherweise sind, und die Lücken sind struktureller Natur statt kosmetisch.

• Textdarstellung — lesbarer, stabiler Text ist für ein Modell, das auf Videogenerierungstechnologie basiert, wirklich schwierig, und Benutzeroberflächen bestehen aus Text. Runway hat eine Hybridlösung ins Spiel gebracht: ein herkömmliches Bildmodell textlastige Ansichten während Interaktionspausen rendern zu lassen

• Barrierefreiheit — eine generierte Oberfläche hat kein DOM, daher haben Screenreader und Accessibility-APIs nichts, woran sie sich anhängen können. Das ist kein Fehler, der gemeldet werden kann; es ist eine Eigenschaft des Ansatzes

• Lange Sitzungen — die Kohärenz nimmt bei ausgedehnter offener Interaktion ab, und genau das ist der Betriebsmodus, in dem eine Schnittstelle lebt

• Vertrauen und Verankerung — ein selbstsicheres, falsches Rendering ist schlimmer als gar kein Rendering, und Solaris ist darauf angewiesen, dass sein Startframe in verifiziertem Referenzmaterial verankert ist

• Auflösung — 720p ist für einen Videoclip großzügig und für datenintensive Desktop-Software beengt

Für GWM Worlds 2 gelten andere bekannte Einschränkungen: Schnelle Kamerarotationen beeinträchtigen Details, Texturen und Geometrie; das Langzeitgedächtnis ist unvollständig, sodass ein Raum, den man verlässt und erneut betritt, möglicherweise nicht dieselben Objekte enthält; Bildreferenzen enden beim ersten Frame oder bei einem vorab befüllten Clip; und zustandsbehafteter Dialog benötigt in der Regel ein externes Harness, um irgendetwas nachzuverfolgen.

Warum Runway dies für Agent-Training-Infrastruktur hält

Das interessanteste Argument rund um Solaris dreht sich überhaupt nicht um Schnittstellen. Weil es eine Schnittstelle erzeugen kann, die es noch nie zuvor gab – statt ein vertrautes Layout abzurufen –, könnte es genutzt werden, um Computer-Use-Agenten zu trainieren, die generalisieren statt memorieren müssen. Das zielt auf eine echte Schwäche: Agenten, die auf einer Handvoll bekannter App-Layouts trainiert wurden, neigen dazu, brüchig zu werden, sobald sich das Layout ändert. GWM Worlds 2 wirbt mit demselben Argument für verkörperte Arbeit und liefert einen expliziten Agentensteuerungsmodus, in dem ein KI-Agent Aufgaben innerhalb der Welt plant und ausführt.

Es ist ein gutes Argument und ein unvollständiges. Eine Umgebung, die sich nicht zuverlässig merken kann, dass die Lampe, die sie eingeschaltet hat, noch an ist, ist ein schlechter Ort, um irgendetwas zu trainieren, das von Zustand abhängt, was auf das meiste zutrifft, was Agenten tun. Runway sagt genau das in seinem eigenen Abschnitt zu Einschränkungen. Die ehrliche Lesart ist, dass dies eine vielversprechende Richtung ist, der direkt ein Problem bei der Zustandsverfolgung gegenübersteht.

Was Sie heute tatsächlich anrufen können

Solaris ist eine Forschungsvorschau. Der Zugang läuft über ein Early-Access-Anfrageformular, das sich an Partner richtet, und Runway hat kein Datum für einen öffentlichen Start bekannt gegeben. In Runways eigener API-Referenz gibt es keinen Solaris-Endpunkt, keine Preisangaben und keine veröffentlichten Gewichte. GWM Worlds 2 ist hinter einem Kontaktformular gesperrt, während Runway es mit ausgewählten Partnern validiert. Wenn Sie darauf warten, auf einem der beiden aufzubauen, dann warten Sie.

Das ist wichtig dafür, wie man den Rest der Berichterstattung liest, denn ein Großteil davon beschreibt Solaris im Präsens eines bereits ausgelieferten Produkts. Ein solches ist es noch nicht, und Runway behauptet auch nichts anderes.

Nichts davon ist etwas, das OrcaRouter für Sie aufrufen kann. Unser Katalog besteht aus Text- und multimodalen Modellen — 195 zum Zeitpunkt des Verfassens, und nichts darunter hat die Form eines Weltmodells. Was wir routen, ist die andere Hälfte des Stacks. Wenn die interessante Zukunft hier ein Agent ist, der eine generierte Schnittstelle steuert, muss trotzdem noch das Modell entscheiden, was zu tun ist, und diese Seite ist heute verfügbar: ein Schlüssel über einen Katalog von mehr als 200 Modellen, mit 0 % Aufschlag auf den Listenpreis des Anbieters, automatischem Failover, wenn ein Anbieter schlechter wird, einer Routing-DSL, um mehrere Modelle in einem Aufruf zu kombinieren, und Modellfusion, wenn Sie möchten, dass ein Gremium gemeinsam statt einzeln antwortet. Sie können ein neues Modell auf einem Produktionspfad ausprobieren, ohne den Pfad darauf zu verwetten.

Was zu sehen

Die Frage, die darüber entscheidet, ob Solaris zu einem Produkt wird, ist nicht, ob generierte Interfaces beeindruckend aussehen – das tun sie nachweislich –, sondern ob Runway eine Latenzzahl veröffentlichen und halten kann. Alles Nachgelagerte hängt davon ab: die Erzählung vom Agenten-Training, das Argument der Kosten pro Output und die Behauptung, dass Video die Richtung ist, in die Interfaces gehen.

Drei Signale sind es wert, verfolgt zu werden. Eine Zahl, irgendeine Zahl, die an der Behauptung von unter 500 ms hängt. Eine zweite, unabhängige Reproduktion der Präferenzstudie. Und ein Endpunkt – denn solange Solaris nicht in Runways API-Referenz mit einem Preis daneben auftaucht, ist die richtige Herangehensweise, sie als Forschungsrichtung mit einem ungewöhnlich guten Demo-Reel zu behandeln, was es durchaus geben kann und zugleich noch kein Werkzeug ist.