Runway Solaris：コードを動画に置き換えるインターフェース・ワールドモデル

Runway SolarisとGWM Worlds 2は、Runway が2026年9月の変わり目に投入した2つのモデルであり、両者は合わせて一つの明確な賭けを体現している。動画モデルが次に果たす有用な役割は、あなたが見るクリップをレンダリングすることではなく、あなたがその中で行動する世界を保持することだ、という賭けである。8月31日に発表された Solaris は、ソフトウェアのインターフェースをフレームごとに生成する——クリックやドラッグが次のフレームを条件づけ、その映像がアプリケーションそのものとなり、その下には HTML も CSS も JavaScript も DOM も存在しない。9月3日に発表された GWM Worlds 2 は、同じ仕掛けを環境に対して行う。720p、毎秒24フレームの連続映像と48kHzの音声を、終わる必要のないセッションで提供する。9月10日、Runway は両者の背後にある研究を公開した。その投稿はローンチ時の報道よりも有用だ。なぜなら、拡散動画モデルがどうすればライブのように感じられるほど高速になるのかを説明しているからである。ただし、説明されていないのはアクセス方法だ。どちらのモデルにも公開APIも、公表された価格も、ダウンロードできる重みもない。

RunwayのラインナップにおけるSolarisとGWM Worlds 2の位置づけ

両モデルは同じ起源を持つ。RunwayのGen-4.5動画モデルが基盤となる成果物であり、2025年12月に発表されたGWM-1汎用世界モデルプログラムが「世界モデル」という枠組みを提供した。2026年初頭のRunway Charactersは、動画モデルにプロンプトを送ると、再生されるだけのものではなく応答するものが返ってくるという考えが初めて公にされた事例だった。

Solarisはその系譜を、より狭く、より奇妙な場所へと進める。Runwayはそれを最初のインターフェース・ワールドモデルと呼び、その主張は、UIの画像を生成するのではなく、生成がUIそのものである、というものだ。言語モデルが、あなたが操作したときに何を変えるべきかを決め、ワールドモデルがその結果をレンダリングする。Runwayのローンチ投稿は、従来のアプリ開発を「非可逆圧縮」と位置づけている——デザイナーの意図はコードに圧縮され、その後ブラウザによって展開され、あなたにできることはすべて、開発者が事前にプログラムした範囲に制限される。

GWM Worlds 2は、より広い領域を対象とする兄弟製品だ。インターフェースではなくインタラクティブな環境を生成し、その操作面はRunwayがWorldPromptと呼ぶ形式である。これは環境、レイアウト、マテリアル、ライティング、アンビエンス、被写体、物理ルール、カメラパースペクティブを固定する持続的な「genesis」プロンプトに加え、ルックを固定するための最初のフレーム、さらに被写体またはシーンに向けた自由形式のテキストアクションのタイムスタンプ付きイベントストリームで構成され、開始時刻と終了時刻があるためアクションを重ね合わせることができる。

• Solaris — インターフェース・ワールドモデル、Gen-4.5を基盤として構築され、RunwayのInterface World Modelsシリーズの第1弾として2026年8月31日に発表

• GWM Worlds 2 — 第2の汎用ワールドモデル。720p／24 fps、リップシンク付きの生成音声を含む48 kHzオーディオに対応。2026年9月3日発表

• セッション — GWM Worlds 2 向けには固定長クリップではなくオープンエンドのセッション、Solaris 向けには 720p セッション

• アクセス — Solaris：早期アクセス申請フォーム。GWM Worlds 2：お問い合わせフォーム。どちらも料金や公開エンドポイントを公表していません

• 公称レイテンシ — Solaris は 1 フレームあたり 500 ms 未満のインタラクティブな速度で動作すると説明されています

• 独立系ベンチマーク — 存在しない。これまでに公表されたものはすべてRunwayによるものである

半秒を稼ぐ3段階変換

9月10日の研究投稿「Towards Instant Video Generation」は、Runwayがその仕組みを何らかの詳細にわたって説明した最初の事例であり、その形は、応用分野はともかく、拡散蒸留の文献ではおなじみのものである。出発点は標準的な双方向動画モデル——Gen-4.5——であり、各生成ステップは初期の最初のフレームとキャプションに条件付けられ、以前に生成された潜在表現はコンテキスト内に保持される。そのモデルは正確だが遅い。フローマッチングはフレームごとに多くのノイズ除去ステップを必要とし、待たなければならないフレームはインターフェースではない。

変換は3つの手順で行われる。第一に、アーキテクチャは時間的に因果的でフレーム単位の自己回帰生成器に変えられる——各フレームはそれ以前のものだけに依存し、これによってストリーミングがそもそも可能になる。第二に、分布マッチング蒸留が多数のノイズ除去ステップを少数にまで圧縮し、速度の源はここにある。これは2つのフェーズで実行され、Runwayはなぜ両方が必要なのかを異例なほど明確にしている。オフポリシーフェーズでは、学生に正解コンテキストから次の状態を予測させ、その一方で凍結された双方向の教師が良好な生成を実演し、クリティックが学生を教師の分布へと押しやる——ロールアウトがないため安価だが、単独では不十分である。なぜなら動画では、初期の誤りが次のフレームのコンテキストになり、モデルを急速に分布外へ押し出すからだ。したがってオンポリシーフェーズでは訓練中にロールアウトを実行し、生成された各潜在変数が、推論時とまったく同じように、次のコンテキストになる。Runwayによれば、実際の利得のほとんどはこのフェーズから得られ、系列長を徐々に増やすカリキュラムは、最初から長い系列で訓練するよりも優れている。

第三に、モデルは長時間のセッションで視覚的なドリフトを防ぐために、自身の出力でトレーニングされる。この3つの段階が合わさることで、Runwayは「インタラクティブ」という言葉を使えるようになる。ただし、どの段階にもレイテンシの数値、フレームレート、スループットの数値は付されていない。投稿の中で具体的なのは「良好なレイテンシ」という表現までだ。それでも明記されているのは、ボトルネックがトレーニングから推論へ移るということだ。なぜなら、すべてのフレームは共有ハードウェア上で再生できるだけの速さでモデルから出てくる必要があるからだ。そして、ある品質における出力あたりのコストが、どのユースケースがそもそも実現可能かを決める。

61対24の研究を注意深く読んでください。

Solarisの発表から最も遠くまで広まった数字は選好スコアだったので、何が測定されたかについては正確を期す価値がある。Runwayは250人の参加者を対象に、30のインタラクション例にわたる約7,500件のペアワイズ判断を用いた研究を実施した。参加者は、インタラクション指示に従う点で、Claude Opus 5によって生成されたコーデッドインターフェースよりもSolarisを61パーセントの割合で好み、コーデッド版は24パーセントだった。振る舞いの自然さでは、その差は71対21だった。

その数字が示していない三つのこと。それは独立した結果ではない——Runwayが設計し、実行し、報告したもので、第三者による再現はない。それはインターフェースが機能したかどうかの指標ではない。指示追従性と振る舞いの自然さは、タスクが正しく完了したかどうかではなく、見た目と感触についての判断だからだ。そして、それ自体が言語モデルであるClaude Opus 5との比較でもない。それは、言語モデルがコードとして書いたインターフェースとの比較である。この区別こそが、この賭けのすべてを一行にしたものだ——主張は、SolarisがLLMより賢いということではなく、コード層を飛ばすことでより自然な結果が生まれるということだ。

モデルがまだできないこと

Runwayは、通常のローンチ投稿よりもギャップについて率直であり、そのギャップは表面的なものではなく構造的なものだ。

• テキストレンダリング — 読みやすく安定したテキストは、動画生成技術に基づいて構築されたモデルにとって本当に難しく、そしてインターフェースはテキストでできている。Runwayはハイブリッド案を打ち出している。インタラクションの合間に、従来の画像モデルにテキストの多いビューをレンダリングさせるというものだ

• アクセシビリティ — 生成されたインターフェースには DOM が存在しないため、スクリーンリーダーやアクセシビリティ API には何もアタッチする先がありません。これは報告すべきバグではなく、このアプローチそのものの性質です

• 長時間のセッション — 長時間のオープンエンドなやり取りでは一貫性が低下します。これはまさに、インターフェースが置かれる状況そのものです

• 信頼と根拠 — 自信に満ちた誤ったレンダリングは、何もレンダリングしないよりも悪い。そして Solaris は、その開始フレームが検証済みの参照資料に固定されていることに依存しています

• 解像度 — 720pは動画クリップには十分ですが、データ密度の高いデスクトップソフトウェアには窮屈です

GWM Worlds 2 では、認められている制限は別の組み合わせになる：素早いカメラ回転はディテール、テクスチャ、ジオメトリを劣化させる。長期記憶は不完全なため、退出して再入室した部屋で同じオブジェクトが保持されているとは限らない。画像参照は最初のフレームまたはプリフィル済みクリップで止まる。そして、ステートフルな対話は通常、何かを追跡し続けるために外部ハーネスを必要とする。

なぜRunwayはこれがエージェント訓練インフラだと考えているのか

Solarisをめぐる最も興味深い議論は、インターフェースに関するものではまったくない。なぜなら、それは見慣れたレイアウトを取得するのではなく、これまで存在したことのないインターフェースを生成できるため、丸暗記ではなく一般化しなければならないコンピュータ操作エージェントの訓練に使える可能性がある。これは実際の弱点を突いている。少数のよく知られたアプリレイアウトで訓練されたエージェントは、レイアウトが変わった途端にもろくなりがちだ。GWM Worlds 2は身体性を伴う作業について同じ主張をしており、AIエージェントがその世界内でタスクを計画・実行する明示的なエージェント制御モードを搭載している。

それは良い議論であり、不完全な議論でもある。自分が点けたランプがまだ点いていることを確実に記憶できない環境は、状態に依存するもの——エージェントが行うことの大半——を訓練する場所としては不適切だ。Runway も自社の制限事項のセクションでそう述べている。正直に読み解けば、これは有望な方向性であり、その真向かいに状態追跡の問題が横たわっている。

今日実際に電話できる相手

Solarisはリサーチプレビューです。アクセスはパートナー向けのアーリーアクセス申請フォームを通じて行われ、Runwayは一般公開日を発表していません。Runway自身のAPIリファレンスにはSolarisのエンドポイントはなく、価格設定も、公開された重みもありません。GWM Worlds 2は問い合わせフォームの後ろに制限されており、Runwayが選定パートナーとともに検証しています。どちらかの上で構築できるのを待っているなら、あなたは待ち続けていることになります。

それは、残りの記事をどう読むべきかに関わってくる。というのも、記事の大部分が出荷済み製品を語る現在形でSolarisを描写しているからだ。Solarisはまだ出荷済み製品ではなく、Runwayもそう主張してはいない。

こうしたものは、OrcaRouter が呼び出しを支援できる類のものではありません。当社のカタログはテキストおよびマルチモーダルモデルで、執筆時点で195個あり、その中にワールドモデルのようなものは一つもありません。当社がルーティングするのは、スタックのもう半分です。ここでの興味深い未来が、生成されたインターフェースを操作するエージェントだとしても、何をすべきかを判断するモデルは依然として必要であり、その側面は今日すでに利用可能です：200以上のモデルを揃えたカタログにまたがる1つのキー、プロバイダー定価に対する0%のマークアップ、プロバイダーが劣化した際の自動フェイルオーバー、複数のモデルを1回の呼び出しにまとめるルーティングDSL、そして1つではなく複数が一緒に答えるパネルが欲しいときのモデルフュージョン。新しいモデルを、そのパスをそのモデルに賭けることなく本番パスで試すことができます。

何を見るべきか

Solarisが製品になるかどうかを決める問いは、生成されたインターフェースが見栄えよく見えるかどうか——実際、間違いなくそう見える——ではなく、Runwayがレイテンシの数値を公表し、それを維持できるかどうかである。その先のすべてがこれに依存している。エージェント訓練の話、出力あたりのコストの議論、そしてインターフェースが向かう先は動画だという主張である。

注目に値するシグナルは3つある。500ミリ秒未満という主張に紐づけられた数字——どんな数字であれ。選好調査の、独立した2度目の再現。そしてエンドポイントだ。なぜなら、Solarisが価格と並んでRunwayのAPIリファレンスに登場するまでは、それを、並外れてよくできたデモリールを伴う研究方向として扱うのが正しいからだ。それは確かに実在するものではあるが、まだツールではない。