Runway Solaris : le modèle de monde d'interface qui remplace le code par la vidéo

Runway Solaris et GWM Worlds 2 sont les deux modèles que Runway a livrés au tournant de septembre 2026, et ensemble ils font un pari précis : la prochaine chose utile qu’un modèle vidéo fait n’est pas de générer un clip que l’on regarde, mais de maintenir un monde dans lequel on agit. Solaris, annoncé le 31 août, génère des interfaces logicielles image par image — un clic ou un glisser conditionne l’image suivante, et l’image est l’application, sans HTML, CSS, JavaScript ni DOM en dessous. GWM Worlds 2, annoncé le 3 septembre, applique le même procédé aux environnements : 720p en continu à 24 images par seconde avec de l’audio à 48 kHz, dans des sessions qui n’ont pas besoin de se terminer. Le 10 septembre, Runway a publié la recherche derrière les deux, et cet article est plus utile que la couverture du lancement, car il explique comment un modèle de diffusion vidéo devient assez rapide pour sembler en direct. Ce qu’il n’explique pas, c’est comment y accéder. Aucun des deux modèles n’a d’API publique, de prix publié ni de poids téléchargeables.

Où se situent les Solaris et GWM Worlds 2 dans la gamme de Runway

Les deux modèles descendent du même endroit. Le modèle vidéo Gen-4.5 de Runway est l'artefact de base ; le programme de modèle du monde général GWM-1 annoncé en décembre 2025 a fourni le cadre « world model » ; Runway Characters, plus tôt en 2026, a été la première apparition publique de l'idée selon laquelle on pouvait adresser une invite à un modèle vidéo et obtenir quelque chose qui répondait plutôt que quelque chose qui se jouait.

Solaris emmène cette lignée vers un endroit plus étroit et plus étrange. Runway le qualifie de premier modèle du monde d'interface, et l'affirmation n'est pas qu'il génère une image d'une UI mais que la génération est l'UI. Un modèle de langage décide ce qui doit changer lorsque vous interagissez ; le modèle du monde restitue la conséquence. Le post de lancement de Runway présente le développement d'applications conventionnel comme une « compression avec perte » — l'intention d'un designer compressée en code, puis décompressée par un navigateur, tout ce que vous pouvez faire étant limité à ce qu'un développeur a préprogrammé.

GWM Worlds 2 est le pendant plus large. Il génère des environnements interactifs plutôt que des interfaces, et sa surface de contrôle est un format que Runway appelle WorldPrompt : une invite « genesis » persistante qui fixe l'environnement, la disposition, les matériaux, l'éclairage, l'ambiance, les sujets, les règles physiques et la perspective de la caméra, plus une première image pour ancrer l'aspect ; puis un flux d'événements horodatés d'actions textuelles libres adressées à un sujet ou à la scène, avec des temps de début et de fin permettant aux actions de se chevaucher.

• Solaris — modèle de monde d'interface, construit sur Gen-4.5, premier de la série Interface World Models de Runway, annoncé le 31 août 2026

• GWM Worlds 2 — second modèle général du monde, 720p à 24 fps, audio 48 kHz incluant de la parole générée avec synchronisation labiale, annoncé le 3 septembre 2026

• Sessions — en format ouvert pour GWM Worlds 2 plutôt que des clips à durée fixe ; sessions en 720p pour Solaris

• Accès — Solaris : formulaire de demande d'accès anticipé. GWM Worlds 2 : formulaire de contact. Aucun des deux n'a publié de tarifs ni de point de terminaison public

• Latence annoncée — Solaris est décrit comme fonctionnant à des vitesses interactives, soit moins de 500 ms par image

• Benchmarks indépendants — aucun. Tout ce qui a été publié jusqu'à présent provient de Runway

La conversion en trois étapes qui fait gagner la demi-seconde

Le post de recherche du 10 septembre, « Towards Instant Video Generation », est la première fois que Runway décrit la mécanique en détail, et sa forme est familière dans la littérature sur la distillation de diffusion, même si l'application ne l'est pas. Le point de départ est un modèle vidéo bidirectionnel standard — Gen-4.5 — où chaque étape de génération est conditionnée par une première image initiale et une légende, et où les latents générés précédemment sont conservés dans le contexte. Ce modèle est précis et lent : le flow matching réclame de nombreuses étapes de débruitage par image, et une image qu'il faut attendre n'est pas une interface.

La conversion se fait en trois étapes. D'abord, l'architecture est transformée en un générateur autorégressif temporellement causal, image par image — chaque image ne dépendant que de ce qui la précède, ce qui rend le streaming possible. Ensuite, la distillation par correspondance de distribution réduit les nombreuses étapes de débruitage à quelques-unes, ce qui explique la vitesse. Cela se déroule en deux phases, et Runway explique remarquablement bien pourquoi les deux sont nécessaires. La phase hors-politique demande à l'élève de prédire les états suivants à partir d'un contexte de vérité terrain, tandis qu'un enseignant bidirectionnel gelé démontre de bonnes générations et qu'un critique pousse l'élève vers la distribution de l'enseignant — peu coûteuse, car il n'y a pas de rollouts, mais insuffisante en soi, car en vidéo une erreur précoce devient le contexte de l'image suivante et pousse rapidement le modèle hors distribution. La phase sur-politique effectue donc des rollouts pendant l'entraînement, afin que chaque latent généré devienne le contexte du suivant, exactement comme ce sera le cas à l'inférence. Runway affirme que la plupart des gains réels proviennent de cette phase, et qu'un curriculum d'augmentation progressive de la longueur des séquences est plus efficace qu'un entraînement sur de longues séquences dès le début.

Troisièmement, le modèle est entraîné sur ses propres sorties pour éviter toute dérive visuelle au fil d’une longue session. C’est la combinaison des trois étapes qui permet à Runway d’employer le mot « interactive » ; aucun chiffre de latence, de fréquence d’images ou de débit n’est associé à aucune d’elles. « Bonne latence » est tout ce que le billet précise. Ce qu’il indique, en revanche, c’est que le goulot d’étranglement se déplace de l’entraînement vers l’inférence, car chaque image doit quitter le modèle assez rapidement pour être restituée sur du matériel partagé — et c’est ce coût par sortie, pour une qualité donnée, qui détermine quels cas d’usage sont réellement viables.

L'étude 61-24, à lire attentivement

Le chiffre qui a le plus circulé depuis l'annonce de Solaris était un score de préférence, il vaut donc la peine d'être précis sur ce qui a été mesuré. Runway a mené une étude auprès de 250 participants, avec environ 7 500 jugements par paires portant sur 30 exemples d'interaction. Les participants ont préféré Solaris à une interface codée générée par Claude Opus 5 dans 61 % des cas pour le suivi des instructions d'interaction, contre 24 % pour la version codée ; sur le naturel du comportement, la répartition était de 71 contre 21.

Trois choses que ce chiffre n'est pas. Ce n'est pas un résultat indépendant — Runway l'a conçu, exécuté et rapporté, et aucun tiers ne l'a reproduit. Ce n'est pas une mesure de si l'interface a fonctionné : le respect des instructions et la naturalité comportementale sont des jugements sur son apparence et son ressenti, et non sur le fait qu'une tâche ait été accomplie correctement. Et ce n'est pas une comparaison avec Claude Opus 5 lui-même, qui est un modèle de langage ; c'est une comparaison avec des interfaces qu'un modèle de langage a écrites sous forme de code. Cette distinction, c'est tout l'enjeu en une ligne — l'affirmation n'est pas que Solaris est plus intelligent qu'un LLM, mais que sauter la couche de code produit un résultat plus naturel.

Ce que le modèle ne peut toujours pas faire

Runway se montre plus franc au sujet des lacunes que ne le sont habituellement les publications de lancement, et ces lacunes sont structurelles plutôt que cosmétiques.

• Rendu du texte — un texte lisible et stable est vraiment difficile pour un modèle fondé sur la technologie de génération vidéo, et les interfaces sont faites de texte. Runway a évoqué une approche hybride : laisser un modèle d’image classique afficher les vues riches en texte pendant les pauses d’interaction

• Accessibilité — une interface générée n'a pas de DOM, donc les lecteurs d'écran et les API d'accessibilité n'ont rien à quoi s'attacher. Ce n'est pas un bug à signaler ; c'est une propriété de l'approche

• Sessions longues — la cohérence se dégrade au fil d’une interaction prolongée et ouverte, ce qui est précisément le régime dans lequel vit une interface

• Confiance et ancrage — un rendu erroné mais assuré est pire que l'absence de rendu, et Solaris dépend de l'ancrage de sa frame de départ dans du matériel de référence vérifié

• Résolution — 720p est généreux pour un clip vidéo et insuffisant pour des logiciels de bureau riches en données

Pour GWM Worlds 2, les limites reconnues sont d'un autre ordre : des rotations rapides de la caméra dégradent les détails, les textures et la géométrie ; la mémoire à long terme est incomplète, si bien qu'une pièce que vous quittez puis dans laquelle vous revenez risque de ne pas contenir les mêmes objets ; les références d'image s'arrêtent à la première image ou à un clip prérempli ; et le dialogue avec état nécessite généralement un harnais externe pour garder la trace de quoi que ce soit.

Pourquoi Runway pense qu'il s'agit d'une infrastructure d'entraînement d'agents

L’argument le plus intéressant autour de Solaris n’a rien à voir avec les interfaces. Parce qu’il peut générer une interface qui n’a jamais existé auparavant — au lieu de récupérer une mise en page familière —, il pourrait servir à entraîner des agents d’utilisation de l’ordinateur qui doivent généraliser plutôt que mémoriser. Cela vise une véritable faiblesse : les agents entraînés sur une poignée de mises en page d’applications bien connues ont tendance à devenir fragiles dès que la mise en page change. GWM Worlds 2 avance le même argument pour le travail incarné et propose un mode explicite de contrôle par agent, dans lequel un agent IA planifie et exécute des tâches à l’intérieur du monde.

C’est un bon argument, et un argument incomplet. Un environnement incapable de se rappeler de manière fiable que la lampe qu’il a allumée est toujours allumée est un mauvais endroit pour entraîner tout ce qui dépend d’un état, ce qui représente la majeure partie de ce que font les agents. Runway le dit d’ailleurs dans sa propre section sur les limites. L’interprétation honnête est qu’il s’agit d’une piste prometteuse, avec un problème de suivi d’état qui se trouve juste en face.

Ce que vous pouvez réellement appeler aujourd'hui

Solaris est un aperçu de recherche. L'accès passe par un formulaire de demande d'accès anticipé destiné aux partenaires, et Runway n'a pas annoncé de date de lancement public. Il n'existe aucun point de terminaison Solaris dans la référence API de Runway, aucune tarification et aucun poids publié. GWM Worlds 2 est accessible uniquement via un formulaire de contact, pendant que Runway le valide auprès de partenaires sélectionnés. Si vous attendez de pouvoir développer sur l'un ou l'autre, vous attendez.

Cela compte pour la façon dont vous lisez le reste de la couverture, car une grande partie décrit Solaris au présent comme s’il s’agissait d’un produit déjà livré. Or, il ne l’est pas encore, et Runway ne prétend pas le contraire.

Aucun de ces éléments ne fait partie de ce qu’OrcaRouter peut vous aider à appeler. Notre catalogue est composé de modèles texte et multimodaux — 195 au moment de la rédaction, et rien qui ait la forme d’un modèle du monde parmi eux. Ce que nous routons, c’est l’autre moitié de la stack. Si l’avenir intéressant ici est un agent pilotant une interface générée, quelque chose doit encore être le modèle qui décide quoi faire, et ce volet est disponible dès aujourd’hui : une seule clé pour un catalogue de plus de 200 modèles, avec 0 % de marge sur le prix catalogue du fournisseur, un basculement automatique en cas de dégradation d’un fournisseur, un DSL de routage pour composer plusieurs modèles en un seul appel, et une fusion de modèles lorsque vous voulez un panel qui réponde ensemble plutôt qu’un seul. Vous pouvez essayer un nouveau modèle sur un chemin de production sans miser ce chemin sur lui.

Que regarder

La question qui détermine si Solaris devient un produit n’est pas de savoir si les interfaces générées semblent impressionnantes — elles le sont manifestement — mais si Runway peut publier un chiffre de latence et s’y tenir. Tout ce qui en découle en dépend : le récit de l’entraînement des agents, l’argument du coût par sortie et l’affirmation selon laquelle la vidéo est l’avenir des interfaces.

Trois signaux méritent d’être suivis. Un chiffre, n’importe quel chiffre, associé à l’affirmation des moins de 500 ms. Une seconde reproduction indépendante de l’étude de préférence. Et un point de terminaison — car tant que Solaris n’apparaît pas dans la référence API de Runway avec un prix à côté, la bonne façon de le traiter est comme une direction de recherche dotée d’une bande de démonstration exceptionnellement bonne, ce qui est un état bien réel — et pas encore un outil.