Runway Solaris: O Modelo de Mundo de Interface Que Substitui Código por Vídeo

Runway Solaris e GWM Worlds 2 são os dois modelos que a Runway lançou na virada de setembro de 2026 e, juntos, fazem uma aposta específica: que a próxima coisa útil que um modelo de vídeo faz não é renderizar um clipe que você assiste, mas sustentar um mundo no qual você age. O Solaris, anunciado em 31 de agosto, gera interfaces de software quadro a quadro — um clique ou um arrasto condiciona o próximo quadro, e a imagem é o aplicativo, sem HTML, CSS, JavaScript ou DOM por baixo. O GWM Worlds 2, anunciado em 3 de setembro, aplica o mesmo truque a ambientes: 720p contínuo a 24 quadros por segundo com áudio de 48 kHz, em sessões que não precisam terminar. Em 10 de setembro, a Runway publicou a pesquisa por trás de ambos, e essa publicação é mais útil do que a cobertura de lançamento, porque explica como um modelo de vídeo por difusão se torna rápido o suficiente para parecer ao vivo. O que ela não explica é como obter acesso. Nenhum dos modelos tem API pública, preço publicado ou pesos baixáveis.

Onde o Solaris e o GWM Worlds 2 se situam na linha da Runway

Ambos os modelos descendem do mesmo lugar. O modelo de vídeo Gen-4.5 da Runway é o artefato base; o programa de modelo de mundo geral GWM-1, anunciado em dezembro de 2025, forneceu o enquadramento de "modelo de mundo"; Runway Characters, no início de 2026, foi a primeira aparição pública da ideia de que você poderia enviar um prompt para um modelo de vídeo e obter algo que respondia, em vez de algo que apenas reproduzia.

O Solaris leva essa linhagem para um lugar mais estreito e mais estranho. A Runway o chama de primeiro modelo de mundo de interface, e a afirmação não é que ele gere uma imagem de uma UI, mas que a geração é a UI. Um modelo de linguagem decide o que deve mudar quando você interage; o modelo de mundo renderiza a consequência. O post de lançamento da Runway enquadra o desenvolvimento convencional de aplicativos como "compressão com perdas" — a intenção de um designer comprimida em código e depois descomprimida por um navegador, com tudo o que você pode fazer limitado ao que um desenvolvedor programou previamente.

GWM Worlds 2 é o irmão mais abrangente. Ele gera ambientes interativos em vez de interfaces, e sua superfície de controle é um formato que a Runway chama de WorldPrompt: um prompt persistente de "gênese" que fixa ambiente, layout, materiais, iluminação, ambiência, sujeitos, regras físicas e perspectiva de câmera, além de um primeiro quadro para ancorar o visual; depois, um fluxo de eventos com marcação temporal de ações de texto em formato livre endereçadas a um sujeito ou à cena, com tempos de início e fim para que as ações possam se sobrepor.

• Solaris — modelo de mundo de interface, construído sobre o Gen-4.5, o primeiro da série Interface World Models da Runway, anunciado em 31 de agosto de 2026

• GWM Worlds 2 — segundo modelo de mundo geral, 720p a 24 fps, áudio de 48 kHz, incluindo fala gerada com movimento labial sincronizado, anunciado em 3 de setembro de 2026

• Sessões — em formato aberto para GWM Worlds 2, em vez de clipes de duração fixa; sessões em 720p para Solaris

• Acesso — Solaris: formulário de solicitação de acesso antecipado. GWM Worlds 2: formulário de contato. Nenhum dos dois publicou preços ou um endpoint público

• Latência declarada — O Solaris é descrito como funcionando em velocidades interativas, abaixo de 500 ms por quadro

• Benchmarks independentes — nenhum. Tudo o que foi publicado até agora provém da Runway

A conversão em três etapas que ganha o meio segundo

O post de pesquisa de 10 de setembro, "Rumo à Geração Instantânea de Vídeo", é a primeira vez que a Runway descreve o mecanismo em detalhes, e seu formato é familiar da literatura de destilação de difusão, mesmo que a aplicação não seja. O ponto de partida é um modelo de vídeo bidirecional padrão — Gen-4.5 — no qual cada etapa de geração se condiciona a um primeiro quadro inicial e a uma legenda, e os latentes gerados anteriormente são mantidos no contexto. Esse modelo é preciso e lento: o flow matching exige muitas etapas de remoção de ruído por quadro, e um quadro pelo qual você precisa esperar não é uma interface.

A conversão acontece em três movimentos. Primeiro, a arquitetura é transformada em um gerador autorregressivo temporalmente causal, quadro a quadro — cada quadro dependendo apenas do que veio antes dele, o que é o que torna o streaming possível. Segundo, a destilação por correspondência de distribuição reduz as muitas etapas de remoção de ruído a algumas, que é de onde vem a velocidade. Isso ocorre em duas fases, e a Runway é excepcionalmente clara sobre por que ambas são necessárias. A fase off-policy faz com que o estudante preveja os próximos estados a partir de um contexto de verdade fundamental, enquanto um professor bidirecional congelado demonstra boas gerações e um crítico empurra o estudante em direção à distribuição do professor — barato, porque não há rollouts, mas insuficiente por si só, já que em vídeo um erro precoce se torna o contexto para o próximo quadro e empurra o modelo para fora da distribuição rapidamente. A fase on-policy, portanto, realiza rollouts durante o treinamento, de modo que cada latente gerado se torna o contexto para o próximo, exatamente como será na inferência. A Runway diz que a maior parte dos ganhos reais vem dessa fase, e que um currículo de comprimento de sequência crescente supera o treinamento em sequências longas desde o início.

Terceiro, o modelo é treinado com suas próprias saídas para impedir o desvio visual ao longo de uma sessão longa. É a combinação das três etapas que permite à Runway usar a palavra “interativo”; nenhum número de latência, taxa de quadros ou throughput é associado a qualquer uma delas. “Boa latência” é o máximo de especificidade que o post alcança. O que ele diz, de fato, é que o gargalo se desloca do treinamento para a inferência, porque cada quadro precisa sair do modelo rápido o suficiente para ser reproduzido em hardware compartilhado — e é esse custo por saída, em uma dada qualidade, que decide quais casos de uso chegam a ser viáveis.

O estudo 61 para 24, leia com atenção.

O número que mais circulou desde o anúncio do Solaris foi uma pontuação de preferência, por isso vale a pena ser preciso quanto ao que foi medido. A Runway realizou um estudo com 250 participantes e aproximadamente 7.500 julgamentos pareados em 30 exemplos de interação. Os participantes preferiram o Solaris a uma interface codificada gerada por Claude Opus 5 61 por cento das vezes no que diz respeito ao cumprimento de instruções de interação, contra 24 por cento para a versão codificada; quanto à naturalidade do comportamento, a divisão foi de 71 para 21.

Três coisas que esse número não é. Ele não é um resultado independente — a Runway o concebeu, executou e divulgou, e nenhum terceiro o reproduziu. Não é uma medida de se a interface funcionou: o seguimento de instruções e a naturalidade comportamental são julgamentos sobre como ela parecia e como era percebida, não sobre se uma tarefa foi concluída corretamente. E não é uma comparação com o próprio Claude Opus 5, que é um modelo de linguagem; é uma comparação com interfaces que um modelo de linguagem escreveu como código. Essa distinção é a aposta inteira em uma linha — a afirmação não é que a Solaris seja mais inteligente que um LLM, mas que pular a camada de código produz um resultado mais natural.

O que o modelo ainda não consegue fazer

A Runway é mais franca sobre as lacunas do que os posts de lançamento costumam ser, e as lacunas são estruturais, e não cosméticas.

• Renderização de texto — texto legível e estável é genuinamente difícil para um modelo construído com tecnologia de geração de vídeo, e interfaces são feitas de texto. A Runway apresentou um híbrido: deixar um modelo de imagem convencional renderizar telas com muito texto durante pausas na interação

• Acessibilidade — uma interface gerada não tem DOM, então leitores de tela e APIs de acessibilidade não têm nada a que se conectar. Isso não é um bug a ser registrado; é uma propriedade da abordagem

• Sessões longas — a coerência degrada-se ao longo de uma interação prolongada e aberta, que é precisamente o regime em que uma interface vive

• Confiança e ancoragem — uma renderização confiante e errada é pior do que nenhuma renderização, e a Solaris depende de seu quadro inicial estar ancorado em material de referência verificado

• Resolução — 720p é generoso para um videoclipe e apertado para software de desktop denso em dados

Para o GWM Worlds 2, os limites reconhecidos são um conjunto diferente: rotações rápidas de câmera degradam detalhes, textura e geometria; a memória de longo prazo é incompleta, então uma sala da qual você sai e volta a entrar pode não manter os mesmos objetos; referências de imagem param no primeiro quadro ou em um clipe pré-preenchido; e diálogos com estado normalmente precisam de uma estrutura externa para acompanhar qualquer coisa.

Por que a Runway acha que isso é infraestrutura de treinamento de agentes

O argumento mais interessante em torno do Solaris não é de todo sobre interfaces. Porque consegue gerar uma interface que nunca existiu antes — em vez de recuperar um layout familiar —, poderia ser usado para treinar agentes de uso de computador que têm de generalizar em vez de memorizar. Isso ataca uma fraqueza real: agentes treinados com um punhado de layouts de aplicações bem conhecidos tendem a ser frágeis no momento em que o layout muda. O GWM Worlds 2 faz a mesma aposta para trabalho corporificado e inclui um modo explícito de controlo por agentes, no qual um agente de IA planeia e executa tarefas dentro do mundo.

É um bom argumento e um argumento incompleto. Um ambiente que não consegue lembrar de forma confiável que a lâmpada que acendeu ainda está acesa é um lugar ruim para treinar qualquer coisa que dependa de estado, que é o que os agentes fazem na maior parte do tempo. A Runway diz isso mesmo na sua própria seção de limitações. A leitura honesta é que esta é uma direção promissora com um problema de rastreamento de estado diretamente à sua frente.

O que você pode realmente chamar hoje

Solaris é uma prévia de pesquisa. O acesso ocorre por meio de um formulário de solicitação de acesso antecipado voltado para parceiros, e a Runway não anunciou uma data de lançamento público. Não há endpoint do Solaris na própria referência da API da Runway, não há preços e não há pesos divulgados. O GWM Worlds 2 está restrito a um formulário de contato enquanto a Runway o valida com parceiros selecionados. Se você está esperando para construir sobre qualquer um dos dois, você está esperando.

Isso importa para como você lê o restante da cobertura, porque boa parte dela descreve o Solaris no tempo presente de um produto já lançado. Ele ainda não é um, e a Runway não afirma o contrário.

Nada disso é algo que a OrcaRouter possa te ajudar a chamar. Nosso catálogo é de modelos de texto e multimodais — 195 deles no momento em que escrevo, e nada que se pareça com um world model entre eles. O que nós roteamos é a outra metade da pilha. Se o futuro interessante aqui é um agente conduzindo uma interface gerada, algo ainda precisa ser o modelo decidindo o que fazer, e esse lado está disponível hoje: uma única chave para um catálogo de mais de 200 modelos, com 0% de markup sobre o preço de tabela do provedor, failover automático quando um provedor degrada, uma DSL de roteamento para compor vários modelos em uma única chamada, e fusão de modelos quando você quer um painel respondendo junto em vez de um só. Você pode testar um modelo novo em um caminho de produção sem apostar o caminho nele.

O que assistir

A questão que decide se a Solaris se torna um produto não é se as interfaces geradas parecem impressionantes — comprovadamente, sim —, mas se a Runway consegue publicar um número de latência e mantê-lo. Tudo o que vem depois depende disso: a narrativa de treinamento de agentes, o argumento de custo por resultado e a afirmação de que o vídeo é para onde as interfaces estão indo.

Vale a pena acompanhar três sinais. Um número, qualquer número, associado à afirmação de menos de 500 ms. Uma segunda reprodução independente do estudo de preferência. E um endpoint — porque, até que Solaris apareça na referência da API da Runway com um preço ao lado, a maneira certa de tratá-lo é como uma direção de pesquisa com um vídeo de demonstração excepcionalmente bom, o que é uma coisa real de se ser e também ainda não é uma ferramenta.