Runway Solaris: Model Dunia Antarmuka yang Menggantikan Kode dengan Video

Runway Solaris dan GWM Worlds 2 adalah dua model yang dirilis Runway pada awal September 2026, dan bersama-sama keduanya membuat satu taruhan spesifik: bahwa hal berguna berikutnya yang dilakukan model video bukanlah merender klip yang Anda tonton, melainkan menjaga dunia tempat Anda beraksi. Solaris, yang diumumkan pada 31 Agustus, menghasilkan antarmuka perangkat lunak bingkai demi bingkai — klik atau seret mengondisikan bingkai berikutnya, dan gambar itu adalah aplikasi, tanpa HTML, CSS, JavaScript, atau DOM di bawahnya. GWM Worlds 2, yang diumumkan pada 3 September, menjalankan trik yang sama pada lingkungan: 720p kontinu pada 24 bingkai per detik dengan audio 48 kHz, dalam sesi yang tidak harus berakhir. Pada 10 September, Runway menerbitkan riset di balik keduanya, dan tulisan itu lebih berguna daripada liputan peluncuran, karena menjelaskan bagaimana model video difusi menjadi cukup cepat untuk terasa langsung. Yang tidak dijelaskannya adalah cara mendapatkan akses. Tidak satu pun dari model tersebut memiliki API publik, harga yang dipublikasikan, atau bobot yang dapat diunduh.

Di mana posisi Solaris dan GWM Worlds 2 dalam lini Runway

Kedua model berasal dari tempat yang sama. Model video Gen-4.5 milik Runway adalah artefak dasarnya; program model dunia umum GWM-1 yang diumumkan pada Desember 2025 memberikan kerangka "world model"; Runway Characters, yang muncul lebih awal pada 2026, adalah penampilan publik pertama dari gagasan bahwa Anda dapat memberi prompt pada model video dan mendapatkan sesuatu yang merespons, bukan sesuatu yang hanya diputar.

Solaris membawa garis keturunan itu ke suatu tempat yang lebih sempit dan lebih aneh. Runway menyebutnya sebagai yang pertama model dunia antarmuka, dan klaimnya bukanlah bahwa ia menghasilkan gambar UI, melainkan bahwa generasi tersebut adalah UI-nya. Model bahasa memutuskan apa yang harus berubah saat Anda berinteraksi; model dunia merender konsekuensinya. Posting peluncuran Runway membingkai pengembangan aplikasi konvensional sebagai "kompresi lossy" — niat desainer dikompresi menjadi kode, lalu didekompresi oleh browser, dengan segala yang bisa Anda lakukan terbatas pada apa yang telah diprogram sebelumnya oleh pengembang.

GWM Worlds 2 adalah saudara yang lebih luas. Ia menghasilkan lingkungan interaktif, bukan antarmuka, dan permukaan kendalinya adalah format yang oleh Runway disebut WorldPrompt: prompt "genesis" persisten yang menetapkan lingkungan, tata letak, material, pencahayaan, suasana, subjek, aturan fisik, dan perspektif kamera, plus bingkai pertama untuk menjadi jangkar tampilannya; lalu aliran peristiwa bertanda waktu berisi aksi teks bebas yang ditujukan kepada subjek atau adegan, dengan waktu mulai dan berakhir sehingga aksi dapat tumpang tindih.

• Solaris — model dunia antarmuka, dibangun di atas Gen-4.5, yang pertama dalam seri Interface World Models milik Runway, diumumkan pada 31 Agustus 2026

• GWM Worlds 2 — model dunia umum kedua, 720p pada 24 fps, audio 48 kHz termasuk ucapan yang dihasilkan dengan gerakan bibir tersinkronisasi, diumumkan pada 3 September 2026

• Sesi — tanpa batas waktu untuk GWM Worlds 2 alih-alih klip berdurasi tetap; sesi 720p untuk Solaris

• Akses — Solaris: formulir permintaan akses awal. GWM Worlds 2: formulir kontak. Keduanya belum menerbitkan harga atau endpoint publik.

• Latensi yang dinyatakan — Solaris digambarkan berjalan pada kecepatan interaktif, di bawah 500 ms per frame

• Tolok ukur independen — tidak ada. Semua yang dipublikasikan sejauh ini berasal dari Runway

Konversi tiga tahap yang menghemat setengah detik

Pos penelitian 10 September, "Towards Instant Video Generation", adalah pertama kalinya Runway menjelaskan mekanismenya secara rinci, dan bentuknya sudah familier dari literatur distilasi-difusi meskipun penerapannya tidak. Titik awalnya adalah model video bidireksional standar — Gen-4.5 — di mana setiap langkah generasi dikondisikan pada frame pertama awal dan sebuah caption, dan latent yang dihasilkan sebelumnya disimpan dalam konteks. Model itu akurat tetapi lambat: flow matching menghendaki banyak langkah denoising per frame, dan frame yang harus Anda tunggu bukanlah sebuah antarmuka.

Konversi terjadi dalam tiga langkah. Pertama, arsitektur diubah menjadi generator autoregresif bingkai demi bingkai yang kausal secara temporal — setiap bingkai hanya bergantung pada apa yang mendahuluinya, dan inilah yang membuat streaming mungkin dilakukan. Kedua, distilasi pencocokan distribusi memangkas banyak langkah denoising menjadi hanya beberapa, dan dari sanalah kecepatannya berasal. Ini berjalan dalam dua fase, dan Runway luar biasa jelas tentang mengapa keduanya diperlukan. Fase off-policy membuat siswa memprediksi keadaan berikutnya dari konteks ground-truth sementara guru bidirectional yang dibekukan menunjukkan generasi yang baik dan seorang kritik mendorong siswa menuju distribusi guru — murah, karena tidak ada rollout, tetapi tidak cukup dengan sendirinya, sebab dalam video kesalahan awal menjadi konteks bagi bingkai berikutnya dan dengan cepat mendorong model keluar dari distribusi. Karena itu, fase on-policy melakukan rollout selama pelatihan, sehingga setiap latent yang dihasilkan menjadi konteks bagi yang berikutnya, persis seperti saat inferensi. Runway mengatakan sebagian besar keuntungan nyata berasal dari fase ini, dan kurikulum dengan panjang urutan yang terus meningkat mengalahkan pelatihan pada urutan panjang sejak awal.

Ketiga, model tersebut dilatih dengan output-nya sendiri untuk menghentikan pergeseran visual selama sesi yang panjang. Ketiga tahap itu secara bersama-sama yang memungkinkan Runway menggunakan kata "interactive"; tidak ada angka latensi, frame rate, atau throughput yang dilekatkan pada salah satu dari ketiganya. "Good latency" adalah se-spesifik yang disebutkan dalam pos itu. Yang memang dikatakannya adalah bahwa bottleneck berpindah dari pelatihan ke inferensi, karena setiap frame harus keluar dari model cukup cepat untuk diputar ulang di perangkat keras bersama — dan biaya per output pada kualitas tertentu itulah yang menentukan kasus penggunaan mana yang layak sama sekali.

Studi 61-ke-24, baca dengan cermat.

Angka yang paling jauh menyebar dari pengumuman Solaris adalah skor preferensi, jadi penting untuk bersikap tepat tentang apa yang diukur. Runway menjalankan studi dengan 250 peserta dan sekitar 7.500 penilaian berpasangan di 30 contoh interaksi. Peserta lebih memilih Solaris dibandingkan antarmuka berkode yang dihasilkan oleh Claude Opus 5 61 persen dari waktu untuk mengikuti instruksi interaksi, dibandingkan 24 persen untuk versi berkode; pada kealamian perilaku, perbandingannya adalah 71 berbanding 21.

Tiga hal yang bukan merupakan angka itu. Angka itu bukan hasil independen — Runway merancangnya, menjalankannya, dan melaporkannya, dan tidak ada pihak ketiga yang mereproduksinya. Angka itu bukan ukuran apakah antarmuka tersebut berfungsi: kepatuhan terhadap instruksi dan kewajaran perilaku adalah penilaian tentang bagaimana tampilan dan rasanya, bukan apakah suatu tugas diselesaikan dengan benar. Dan angka itu bukan perbandingan dengan Claude Opus 5 itu sendiri, yang merupakan model bahasa; angka itu adalah perbandingan dengan antarmuka yang ditulis sebagai kode oleh model bahasa. Perbedaan itulah inti pertaruhannya, yang terangkum dalam satu kalimat — klaimnya bukan bahwa Solaris lebih pintar daripada LLM, melainkan bahwa melewati lapisan kode menghasilkan hasil yang lebih alami.

Apa yang model masih belum bisa lakukan

Runway lebih terbuka soal kesenjangan tersebut dibandingkan dengan postingan peluncuran pada umumnya, dan kesenjangan itu bersifat struktural, bukan sekadar kosmetik.

• Rendering teks — teks yang terbaca dan stabil benar-benar sulit bagi model yang dibangun dengan teknologi pembuatan video, dan antarmuka terbuat dari teks. Runway telah mengusulkan pendekatan hibrida: biarkan model gambar konvensional merender tampilan yang banyak teks selama jeda dalam interaksi

• Aksesibilitas — antarmuka yang dihasilkan tidak memiliki DOM, sehingga pembaca layar dan API aksesibilitas tidak punya apa pun untuk dijadikan sandaran. Ini bukan bug yang perlu dilaporkan; ini adalah sifat dari pendekatan tersebut

• Sesi panjang — koherensi menurun seiring interaksi terbuka yang berlangsung panjang, dan justru itulah kondisi yang dihuni oleh sebuah antarmuka

• Kepercayaan dan landasan — render yang meyakinkan namun salah lebih buruk daripada tidak ada render sama sekali, dan Solaris bergantung pada frame awalnya yang berakar pada materi referensi yang telah diverifikasi

• Resolusi — 720p cukup lega untuk klip video dan sempit untuk perangkat lunak desktop yang padat data

Untuk GWM Worlds 2, batas yang diakui adalah rangkaian yang berbeda: rotasi kamera yang cepat menurunkan kualitas detail, tekstur, dan geometri; memori jangka panjang tidak lengkap, sehingga ruangan yang Anda tinggalkan lalu masuki kembali mungkin tidak mempertahankan objek yang sama; referensi gambar berhenti pada frame pertama atau klip yang telah diisi sebelumnya; dan dialog stateful biasanya memerlukan harness eksternal untuk melacak apa pun.

Mengapa Runway menganggap ini sebagai infrastruktur pelatihan agen

Argumen paling menarik seputar Solaris sama sekali bukan tentang antarmuka. Karena ia dapat menghasilkan antarmuka yang belum pernah ada sebelumnya — alih-alih mengambil tata letak yang familier — ia dapat digunakan untuk melatih agen penggunaan komputer yang harus menggeneralisasi, bukan menghafal. Hal itu menyasar kelemahan nyata: agen yang dilatih pada segelintir tata letak aplikasi terkenal cenderung rapuh begitu tata letaknya berubah. GWM Worlds 2 menyampaikan gagasan yang sama untuk pekerjaan embodied, dan menyertakan mode kendali agen yang eksplisit, di mana agen AI merencanakan dan menjalankan tugas di dalam dunia tersebut.

Itu argumen yang bagus dan tidak lengkap. Lingkungan yang tidak dapat mengingat secara andal bahwa lampu yang dinyalakannya masih menyala adalah tempat yang buruk untuk melatih apa pun yang bergantung pada state, dan itulah sebagian besar yang dilakukan agen. Runway mengatakan hal serupa di bagian keterbatasannya sendiri. Pembacaan yang jujur adalah bahwa ini adalah arah yang menjanjikan dengan masalah pelacakan state yang menghadang tepat di seberangnya.

Apa yang sebenarnya bisa Anda hubungi hari ini

Solaris adalah pratinjau riset. Akses dilakukan melalui formulir permintaan akses awal yang ditujukan untuk mitra, dan Runway belum mengumumkan tanggal peluncuran publik. Tidak ada endpoint Solaris di referensi API Runway sendiri, tidak ada harga, dan tidak ada bobot yang dirilis. GWM Worlds 2 terkunci di balik formulir kontak sementara Runway memvalidasinya bersama mitra terpilih. Jika Anda menunggu untuk membangun di salah satu dari keduanya, Anda sedang menunggu.

Hal itu penting bagi cara Anda membaca sisa liputan ini, sebab sebagian besar darinya menggambarkan Solaris dalam kala kini layaknya produk yang sudah dirilis. Padahal belum demikian, dan Runway tidak mengklaim sebaliknya.

Tidak ada satu pun dari ini yang bisa dibantu OrcaRouter untuk Anda panggil. Katalog kami adalah model teks dan multimodal — 195 di antaranya saat tulisan ini dibuat, dan tidak ada satu pun yang berbentuk world-model. Yang kami rutekan adalah separuh lain dari tumpukan. Jika masa depan yang menarik di sini adalah agen yang menggerakkan antarmuka yang dihasilkan, tetap harus ada model yang memutuskan apa yang harus dilakukan, dan sisi itu tersedia hari ini: satu kunci untuk katalog lebih dari 200 model, dengan 0% markup pada harga daftar penyedia, failover otomatis saat penyedia menurun, DSL perutean untuk menggabungkan beberapa model menjadi satu panggilan, dan fusi model saat Anda ingin sebuah panel menjawab bersama-sama alih-alih satu model. Anda dapat mencoba model baru pada jalur produksi tanpa mempertaruhkan jalur tersebut padanya.

Apa yang harus ditonton

Pertanyaan yang menentukan apakah Solaris menjadi sebuah produk bukanlah apakah antarmuka yang dihasilkan terlihat mengesankan — yang jelas memang demikian — melainkan apakah Runway dapat mempublikasikan angka latensi dan mempertahankannya. Segala hal di hilirnya bergantung pada itu: narasi pelatihan agen, argumen biaya per keluaran, dan klaim bahwa videolah arah perkembangan antarmuka.

Ada tiga sinyal yang layak dilacak. Sebuah angka, angka apa pun, yang dikaitkan dengan klaim di bawah 500 ms. Reproduksi kedua yang independen atas studi preferensi. Dan sebuah endpoint — karena sampai Solaris muncul di referensi API Runway dengan harga di sebelahnya, cara yang tepat untuk memperlakukannya adalah sebagai arah riset dengan demo reel yang luar biasa bagus, yang merupakan hal nyata untuk menjadi dan juga belum menjadi alat.