Runway Solaris: il modello del mondo dell'interfaccia che sostituisce il codice con il video

Runway Solaris e GWM Worlds 2 sono i due modelli che Runway ha rilasciato all'inizio di settembre 2026, e insieme fanno una scommessa precisa: che la prossima cosa utile che un modello video fa non è renderizzare una clip che guardi, ma tenere in piedi un mondo in cui agisci. Solaris, annunciato il 31 agosto, genera interfacce software fotogramma per fotogramma — un clic o un trascinamento condiziona il fotogramma successivo, e l'immagine è l'applicazione, senza HTML, CSS, JavaScript o DOM sotto di essa. GWM Worlds 2, annunciato il 3 settembre, applica lo stesso trucco agli ambienti: 720p continuo a 24 fotogrammi al secondo con audio a 48 kHz, in sessioni che non devono necessariamente finire. Il 10 settembre Runway ha pubblicato la ricerca che sta dietro a entrambi, e quel post è più utile della copertura del lancio, perché spiega come un modello video a diffusione diventi abbastanza veloce da sembrare dal vivo. Quello che non spiega è come ottenere l'accesso. Nessuno dei due modelli ha un'API pubblica, un prezzo pubblicato o pesi scaricabili.

Dove si collocano Solaris e GWM Worlds 2 nella gamma di Runway

Entrambi i modelli discendono dallo stesso luogo. Il modello video Gen-4.5 di Runway è l'artefatto di base; il programma GWM-1 di modello generale del mondo, annunciato a dicembre 2025, ha fornito l'inquadramento da "world model"; Runway Characters, all'inizio del 2026, è stata la prima apparizione pubblica dell'idea che si potesse dare un prompt a un modello video e ottenere qualcosa che rispondeva invece di qualcosa che si limitava a essere riprodotto.

Solaris porta quella discendenza in un territorio più ristretto e più strano. Runway lo chiama il primo modello del mondo dell'interfaccia, e l'affermazione non è che generi un'immagine di una UI, ma che la generazione è la UI. Un modello linguistico decide cosa deve cambiare quando interagisci; il modello del mondo ne rende la conseguenza. Il post di lancio di Runway inquadra lo sviluppo convenzionale di app come una "compressione lossy": l'intento di un designer compresso in codice, poi decompresso da un browser, con tutto ciò che puoi fare limitato a ciò che uno sviluppatore ha programmato in anticipo.

GWM Worlds 2 è il fratello più ampio. Genera ambienti interattivi anziché interfacce, e la sua superficie di controllo è un formato che Runway chiama WorldPrompt: un prompt "genesi" persistente che fissa ambiente, layout, materiali, illuminazione, atmosfera, soggetti, regole fisiche e prospettiva della camera, più un primo fotogramma per ancorare l'aspetto; poi un flusso di eventi con marca temporale di azioni in testo libero indirizzate a un soggetto o alla scena, con orari di inizio e fine così che le azioni possano sovrapporsi.

• Solaris — modello world di interfaccia, basato su Gen-4.5, il primo della serie Interface World Models di Runway, annunciato il 31 agosto 2026

• GWM Worlds 2 — secondo modello generale del mondo, 720p a 24 fps, audio a 48 kHz con voce generata e movimento labiale sincronizzato, annunciato il 3 settembre 2026

• Sessioni — senza limiti di durata per GWM Worlds 2 anziché clip di durata fissa; sessioni a 720p per Solaris

• Accesso — Solaris: modulo di richiesta di accesso anticipato. GWM Worlds 2: modulo di contatto. Nessuno dei due ha pubblicato prezzi o un endpoint pubblico

• Latenza dichiarata — Solaris è descritto come funzionante a velocità interattive, sotto i 500 ms per fotogramma

• Benchmark indipendenti — nessuno. Tutto ciò che è stato pubblicato finora proviene da Runway

La conversione in tre fasi che fa guadagnare il mezzo secondo

Il post di ricerca del 10 settembre, "Towards Instant Video Generation", è la prima volta che Runway descrive il meccanismo con un certo dettaglio, e la sua forma è familiare dalla letteratura sulla distillation-diffusion anche se l'applicazione non lo è. Il punto di partenza è un modello video bidirezionale standard — Gen-4.5 — in cui ogni passo di generazione si condiziona su un primo frame iniziale e su una didascalia, e i latenti generati in precedenza vengono mantenuti nel contesto. Quel modello è preciso e lento: il flow matching richiede molti passi di denoising per frame, e un frame che devi aspettare non è un'interfaccia.

La conversione avviene in tre mosse. Innanzitutto, l'architettura viene trasformata in un generatore autoregressivo temporalmente causale, fotogramma per fotogramma — ogni fotogramma dipende solo da ciò che lo precede, ed è questo che rende possibile lo streaming. In secondo luogo, la distillazione con corrispondenza di distribuzione riduce i molti passi di denoising a pochi, ed è da qui che deriva la velocità. Questo avviene in due fasi, e Runway è insolitamente chiara sul perché entrambe siano necessarie. Nella fase off-policy, lo studente predice gli stati successivi dal contesto ground-truth, mentre un teacher bidirezionale congelato dimostra buone generazioni e un critico spinge lo studente verso la distribuzione del teacher — economica, perché non ci sono rollout, ma insufficiente da sola, poiché nel video un errore precoce diventa il contesto per il fotogramma successivo e spinge rapidamente il modello fuori distribuzione. La fase on-policy esegue quindi i rollout durante l'addestramento, così ogni latente generato diventa il contesto per il successivo, esattamente come avverrà all'inferenza. Runway afferma che la maggior parte dei guadagni reali proviene da questa fase, e che un curriculum di lunghezza di sequenza crescente batte l'addestramento su sequenze lunghe fin dall'inizio.

Terzo, il modello viene addestrato sui propri output per fermare la deriva visiva nel corso di una sessione prolungata. Le tre fasi insieme sono ciò che permette a Runway di usare la parola "interactive"; a nessuna di esse è associato un valore di latenza, frame rate o throughput. "Good latency" è il massimo di specificità che il post raggiunge. Quello che invece dice è che il collo di bottiglia si sposta dall'addestramento all'inferenza, perché ogni fotogramma deve uscire dal modello abbastanza velocemente da poter essere riprodotto su hardware condiviso — e quel costo per output a una data qualità è ciò che decide quali casi d'uso siano effettivamente sostenibili.

Lo studio 61 a 24, leggilo attentamente.

Il numero che ha viaggiato più lontano dall'annuncio di Solaris era un punteggio di preferenza, quindi vale la pena essere precisi su ciò che è stato misurato. Runway ha condotto uno studio con 250 partecipanti e circa 7.500 giudizi a coppie su 30 esempi di interazione. I partecipanti hanno preferito Solaris a un'interfaccia codificata generata da Claude Opus 5 nel 61 percento dei casi per quanto riguarda il rispetto delle istruzioni di interazione, contro il 24 percento per la versione codificata; sulla naturalezza del comportamento la divisione era 71 a 21.

Tre cose che quel numero non è. Non è un risultato indipendente — Runway l'ha progettato, eseguito e riportato, e nessuna terza parte l'ha riprodotto. Non è una misura di se l'interfaccia abbia funzionato: il rispetto delle istruzioni e la naturalezza comportamentale sono giudizi sul suo aspetto e sulla sua sensazione, non se un compito è stato completato correttamente. E non è un confronto con Claude Opus 5 stesso, che è un modello linguistico; è un confronto con interfacce che un modello linguistico ha scritto come codice. Quella distinzione è l'intera scommessa in una riga — l'affermazione non è che Solaris sia più intelligente di un LLM, ma che saltare lo strato di codice produce un risultato più naturale.

Cosa il modello non riesce ancora a fare

Runway è più franco sulle lacune di quanto lo siano di solito i post di lancio, e le lacune sono strutturali anziché cosmetiche.

• Rendering del testo — un testo leggibile e stabile è davvero difficile per un modello basato sulla tecnologia di generazione video, e le interfacce sono fatte di testo. Runway ha proposto un ibrido: lasciare che un modello di immagini convenzionale renderizzi viste ricche di testo durante le pause dell'interazione

• Accessibilità — un'interfaccia generata non ha un DOM, quindi gli screen reader e le API di accessibilità non hanno nulla a cui agganciarsi. Questo non è un bug da segnalare; è una proprietà dell'approccio

• Sessioni lunghe — la coerenza degrada in un'interazione prolungata e aperta, che è esattamente il regime in cui vive un'interfaccia

• Fiducia e ancoraggio — un rendering sicuro ma sbagliato è peggio di nessun rendering, e Solaris dipende dal fatto che il suo fotogramma iniziale sia ancorato a materiale di riferimento verificato

• Risoluzione — 720p è generoso per una clip video e risicato per software desktop ad alta densità di dati

Per GWM Worlds 2 i limiti riconosciuti sono un insieme diverso: le rotazioni rapide della camera degradano dettaglio, texture e geometria; la memoria a lungo termine è incompleta, quindi una stanza che lasci e in cui rientri potrebbe non conservare gli stessi oggetti; i riferimenti alle immagini si fermano al primo fotogramma o a una clip precompilata; e il dialogo con stato di solito necessita di un'impalcatura esterna per tenere traccia di qualsiasi cosa.

Perché Runway pensa che questa sia un'infrastruttura per l'addestramento degli agenti

L'argomento più interessante attorno a Solaris non riguarda affatto le interfacce. Poiché può generare un'interfaccia che non è mai esistita prima — invece di recuperare un layout familiare — potrebbe essere usato per addestrare agenti che usano il computer, i quali devono generalizzare invece di memorizzare. Questo affronta una debolezza reale: gli agenti addestrati su una manciata di layout di app ben noti tendono a diventare fragili nel momento in cui il layout cambia. GWM Worlds 2 fa la stessa proposta per il lavoro incarnato, e include una modalità esplicita di controllo dell'agente in cui un agente AI pianifica ed esegue compiti all'interno del mondo.

È un buon argomento, ma incompleto. Un ambiente che non riesce a ricordare in modo affidabile che la lampada che ha acceso è ancora accesa è un posto scadente per addestrare qualsiasi cosa dipenda dallo stato, cioè la maggior parte di ciò che fanno gli agenti. Runway lo dice apertamente nella sua sezione sulle limitazioni. La lettura onesta è che questa è una direzione promettente con un problema di tracciamento dello stato che le sta proprio davanti.

Cosa puoi effettivamente chiamare oggi

Solaris è un'anteprima di ricerca. L'accesso avviene tramite un modulo di richiesta di accesso anticipato rivolto ai partner, e Runway non ha annunciato una data di lancio pubblica. Non esiste alcun endpoint Solaris nel riferimento API di Runway, né prezzi, né pesi rilasciati. GWM Worlds 2 è vincolato a un modulo di contatto mentre Runway lo convalida con partner selezionati. Se stai aspettando di costruire su uno dei due, stai aspettando.

Ciò è importante per come leggi il resto della trattazione, perché gran parte di essa descrive Solaris al presente come un prodotto già distribuito. Non lo è ancora, e Runway non afferma il contrario.

Nulla di tutto questo è qualcosa che OrcaRouter può aiutarti a chiamare. Il nostro catalogo è fatto di modelli testuali e multimodali — 195 al momento in cui scriviamo, e nessuno che assomigli a un world model. Quello che instradiamo è l'altra metà dello stack. Se il futuro interessante qui è un agente che guida un'interfaccia generata, qualcosa deve pur essere il modello che decide cosa fare, e quel lato è disponibile già oggi: una sola chiave per un catalogo di oltre 200 modelli, con 0% di ricarico sul prezzo di listino dei provider, failover automatico quando un provider si degrada, un DSL di routing per comporre più modelli in un'unica chiamata, e la fusione di modelli quando vuoi un panel che risponda all'unisono invece di un singolo modello. Puoi provare un nuovo modello su un percorso di produzione senza scommettere l'intero percorso su di esso.

Cosa guardare

La questione che decide se Solaris diventerà un prodotto non è se le interfacce generate appaiono impressionanti — lo sono dimostrabilmente — ma se Runway riesce a pubblicare un dato di latenza e a mantenerlo. Tutto ciò che ne deriva dipende da questo: la storia dell'addestramento degli agenti, l'argomento del costo per output e l'affermazione che il video è la direzione verso cui vanno le interfacce.

Tre segnali vale la pena monitorare. Un numero, qualsiasi numero, agganciato all'affermazione dei sotto i 500 ms. Una seconda riproduzione indipendente dello studio sulle preferenze. E un endpoint — perché finché Solaris non compare nel riferimento API di Runway con un prezzo accanto, il modo giusto di trattarlo è come una direzione di ricerca con una demo reel insolitamente buona, che è una cosa reale da essere e anche non ancora uno strumento.