Runway Solaris: el modelo de mundo de interfaz que reemplaza el código con vídeo

Runway Solaris y GWM Worlds 2 son los dos modelos que Runway lanzó a comienzos de septiembre de 2026, y juntos hacen una apuesta muy concreta: que lo próximo útil que hace un modelo de vídeo no es renderizar un clip que ves, sino sostener un mundo dentro del cual actúas. Solaris, anunciado el 31 de agosto, genera interfaces de software fotograma a fotograma —un clic o un arrastre condiciona el siguiente fotograma, y la imagen es la aplicación, sin HTML, CSS, JavaScript ni DOM debajo. GWM Worlds 2, anunciado el 3 de septiembre, hace el mismo truco con entornos: 720p continuo a 24 fotogramas por segundo con audio de 48 kHz, en sesiones que no tienen por qué terminar. El 10 de septiembre, Runway publicó la investigación detrás de ambos, y esa publicación es más útil que la cobertura del lanzamiento, porque explica cómo un modelo de vídeo de difusión se vuelve lo bastante rápido para sentirse en vivo. Lo que no explica es cómo obtener acceso. Ninguno de los dos modelos tiene una API pública, un precio publicado ni pesos descargables.

Dónde se ubican Solaris y GWM Worlds 2 en la línea de Runway

Ambos modelos descienden del mismo lugar. El modelo de vídeo Gen-4.5 de Runway es el artefacto base; el programa de modelo del mundo general GWM-1, anunciado en diciembre de 2025, aportó el marco de "modelo del mundo"; Runway Characters, a principios de 2026, fue la primera aparición pública de la idea de que se podía dar una instrucción a un modelo de vídeo y obtener algo que respondía en lugar de algo que se limitaba a reproducirse.

Solaris lleva ese linaje a un lugar más estrecho y extraño. Runway lo llama el primer modelo de mundo de interfaces, y la afirmación no es que genere una imagen de una UI, sino que la generación es la UI. Un modelo de lenguaje decide qué debería cambiar cuando interactúas; el modelo del mundo renderiza la consecuencia. La publicación de lanzamiento de Runway enmarca el desarrollo convencional de aplicaciones como "compresión con pérdida": la intención de un diseñador comprimida en código y luego descomprimida por un navegador, con todo lo que puedes hacer limitado a lo que un desarrollador preprogramó.

GWM Worlds 2 es el hermano más amplio. Genera entornos interactivos en lugar de interfaces, y su superficie de control es un formato que Runway llama WorldPrompt: un prompt "génesis" persistente que fija el entorno, la disposición, los materiales, la iluminación, el ambiente, los sujetos, las reglas físicas y la perspectiva de la cámara, más un primer fotograma para anclar el aspecto; luego, un flujo de eventos con marcas de tiempo de acciones de texto libre dirigidas a un sujeto o a la escena, con tiempos de inicio y fin para que las acciones puedan superponerse.

• Solaris — modelo de mundo de interfaz, construido sobre Gen-4.5, el primero de la serie Interface World Models de Runway, anunciado el 31 de agosto de 2026

• GWM Worlds 2 — segundo modelo mundial general, 720p a 24 fps, audio de 48 kHz, incluido el habla generada con movimiento labial sincronizado; anunciado el 3 de septiembre de 2026

• Sesiones — de duración indefinida para GWM Worlds 2 en lugar de clips de duración fija; sesiones en 720p para Solaris

• Acceso — Solaris: formulario de solicitud de acceso anticipado. GWM Worlds 2: formulario de contacto. Ninguno ha publicado precios ni un endpoint público

• Latencia declarada — Se describe que Solaris funciona a velocidades interactivas, por debajo de 500 ms por fotograma

• Referencias independientes — ninguna. Todo lo publicado hasta ahora proviene de Runway

La conversión en tres etapas que gana el medio segundo

La publicación de investigación del 10 de septiembre, «Hacia la generación de vídeo instantánea», es la primera vez que Runway describe la maquinaria con cierto detalle, y su forma resulta familiar en la literatura sobre destilación de difusión, aunque la aplicación no lo sea. El punto de partida es un modelo de vídeo bidireccional estándar —Gen-4.5—, en el que cada paso de generación se condiciona a un primer fotograma inicial y a una descripción, y los latentes generados previamente se mantienen en contexto. Ese modelo es preciso y lento: flow matching requiere muchos pasos de eliminación de ruido por fotograma, y un fotograma que tienes que esperar no es una interfaz.

La conversión ocurre en tres movimientos. Primero, la arquitectura se transforma en un generador autorregresivo temporalmente causal, fotograma a fotograma — donde cada fotograma depende únicamente de lo que vino antes, que es lo que hace posible el streaming en primer lugar. Segundo, la destilación por coincidencia de distribuciones reduce los numerosos pasos de eliminación de ruido a unos pocos, que es de donde proviene la velocidad. Esto se ejecuta en dos fases, y Runway es inusualmente claro respecto a por qué ambas son necesarias. La fase off-policy hace que el estudiante prediga los siguientes estados a partir de un contexto de verdad de referencia, mientras que un profesor bidireccional congelado demuestra buenas generaciones y un crítico empuja al estudiante hacia la distribución del profesor: barata, porque no hay rollouts, pero insuficiente por sí sola, ya que en el vídeo un error temprano se convierte en el contexto del siguiente fotograma y empuja al modelo fuera de distribución rápidamente. Por lo tanto, la fase on-policy realiza rollouts durante el entrenamiento, de modo que cada latente generado se convierte en el contexto del siguiente, exactamente como lo hará en la inferencia. Runway dice que la mayor parte de las ganancias reales provienen de esta fase, y que un currículo de longitud de secuencia creciente supera al entrenamiento con secuencias largas desde el principio.

Tercero, el modelo se entrena con sus propias salidas para detener la deriva visual durante una sesión larga. Las tres etapas juntas son lo que le permiten a Runway usar la palabra "interactivo"; no se adjunta ninguna cifra de latencia, velocidad de fotogramas ni rendimiento a ninguna de ellas. "Buena latencia" es lo más específico que alcanza la publicación. Lo que sí dice es que el cuello de botella se traslada del entrenamiento a la inferencia, porque cada fotograma tiene que salir del modelo lo suficientemente rápido como para reproducirse en hardware compartido, y ese costo por salida a una calidad dada es lo que decide qué casos de uso son viables en absoluto.

El estudio del 61 al 24, léelo con atención

El número que llegó más lejos desde el anuncio de Solaris fue una puntuación de preferencia, así que vale la pena ser precisos sobre qué se midió. Runway realizó un estudio con 250 participantes y aproximadamente 7.500 juicios por pares en 30 ejemplos de interacción. Los participantes prefirieron Solaris frente a una interfaz codificada generada por Claude Opus 5 el 61 por ciento de las veces por seguir las instrucciones de interacción, frente al 24 por ciento de la versión codificada; en cuanto a la naturalidad del comportamiento, la división fue de 71 a 21.

Tres cosas que ese número no es. No es un resultado independiente: Runway lo diseñó, lo ejecutó y lo reportó, y ningún tercero lo ha reproducido. No es una medida de si la interfaz funcionó: el seguimiento de instrucciones y la naturalidad conductual son juicios sobre cómo se veía y se sentía, no sobre si una tarea se completó correctamente. Y no es una comparación contra Claude Opus 5 en sí, que es un modelo de lenguaje; es una comparación contra interfaces que un modelo de lenguaje escribió como código. Esa distinción es toda la apuesta en una línea: la afirmación no es que Solaris sea más inteligente que un LLM, sino que saltarse la capa de código produce un resultado más natural.

Lo que el modelo todavía no puede hacer

Runway es más franco sobre las lagunas de lo que suelen ser las publicaciones de lanzamiento, y las lagunas son estructurales más que cosméticas.

• Renderizado de texto — que el texto sea legible y estable es realmente difícil para un modelo construido sobre tecnología de generación de video, y las interfaces están hechas de texto. Runway ha planteado una solución híbrida: dejar que un modelo de imágenes convencional renderice las vistas con mucho texto durante las pausas de la interacción

• Accesibilidad — una interfaz generada no tiene DOM, así que los lectores de pantalla y las API de accesibilidad no tienen nada a lo que engancharse. Esto no es un error que haya que reportar; es una propiedad del enfoque

• Sesiones prolongadas — la coherencia se degrada a lo largo de una interacción extensa y abierta, que es precisamente el régimen en el que vive una interfaz

• Confianza y anclaje — una representación errónea pero segura de sí misma es peor que ninguna representación, y Solaris depende de que su fotograma inicial esté anclado en material de referencia verificado

• Resolución — 720p es generoso para un videoclip y escaso para software de escritorio con alta densidad de datos

Para GWM Worlds 2, los límites reconocidos son un conjunto distinto: las rotaciones rápidas de cámara degradan el detalle, la textura y la geometría; la memoria a largo plazo es incompleta, por lo que una habitación que dejas y vuelves a entrar puede que no conserve los mismos objetos; las referencias de imágenes se detienen en el primer fotograma o en un clip precargado; y el diálogo con estado normalmente necesita un arnés externo para llevar un seguimiento de cualquier cosa.

Por qué Runway cree que esto es infraestructura de entrenamiento de agentes

El argumento más interesante en torno a Solaris no tiene nada que ver con las interfaces. Como puede generar una interfaz que nunca ha existido antes —en lugar de recuperar un diseño conocido—, podría usarse para entrenar agentes de uso de computadoras que tengan que generalizar en vez de memorizar. Eso apunta a una debilidad real: los agentes entrenados con un puñado de diseños de aplicaciones muy conocidos tienden a volverse frágiles en cuanto cambia el diseño. GWM Worlds 2 presenta la misma propuesta para el trabajo encarnado y viene con un modo explícito de control de agentes en el que un agente de IA planifica y ejecuta tareas dentro del mundo.

Es un buen argumento, y también incompleto. Un entorno que no puede recordar de forma fiable que la lámpara que encendió sigue encendida es un mal lugar para entrenar cualquier cosa que dependa del estado, que es la mayor parte de lo que hacen los agentes. Runway dice lo mismo en su propia sección de limitaciones. La lectura honesta es que esta es una dirección prometedora con un problema de seguimiento del estado justo enfrente.

Lo que realmente puedes llamar hoy

Solaris es una vista previa de investigación. El acceso se realiza mediante un formulario de solicitud de acceso anticipado dirigido a socios, y Runway no ha anunciado una fecha de lanzamiento público. No hay ningún endpoint de Solaris en la propia referencia de API de Runway, ni precios, ni pesos publicados. GWM Worlds 2 está restringido tras un formulario de contacto mientras Runway lo valida con socios seleccionados. Si estás esperando para construir sobre cualquiera de los dos, estás esperando.

Eso importa para cómo interpretas el resto de la cobertura, porque gran parte de ella describe a Solaris en el presente de un producto ya lanzado. Todavía no lo es, y Runway no afirma lo contrario.

Nada de esto es algo que OrcaRouter pueda ayudarte a llamar. Nuestro catálogo son modelos de texto y multimodales: 195 en el momento de escribir esto, y ninguno con forma de modelo del mundo. Lo que sí enrutamos es la otra mitad del stack. Si el futuro interesante aquí es un agente que maneja una interfaz generada, algo tiene que seguir siendo el modelo que decide qué hacer, y ese lado está disponible hoy: una sola clave para un catálogo de más de 200 modelos, con 0% de recargo sobre el precio de lista del proveedor, conmutación automática cuando un proveedor se degrada, un DSL de enrutamiento para componer varios modelos en una sola llamada, y fusión de modelos cuando quieres un panel que responda en conjunto en lugar de uno solo. Puedes probar un nuevo modelo en una ruta de producción sin apostar la ruta a él.

Qué ver

La pregunta que decide si Solaris se convierte en un producto no es si las interfaces generadas lucen impresionantes —de hecho, lo hacen—, sino si Runway puede publicar una cifra de latencia y mantenerla. Todo lo que viene después depende de ello: la narrativa del entrenamiento de agentes, el argumento del coste por resultado y la afirmación de que el vídeo es hacia donde van las interfaces.

Tres señales que vale la pena seguir. Un número, cualquier número, vinculado a la afirmación de menos de 500 ms. Una segunda reproducción independiente del estudio de preferencias. Y un endpoint —porque hasta que Solaris aparezca en la referencia de API de Runway con un precio al lado, la manera correcta de tratarlo es como una dirección de investigación con un reel de demostración inusualmente bueno, lo cual es algo real que puede ser y también todavía no una herramienta.