Runway Solaris: Världsmodellen för gränssnitt som ersätter kod med video

Runway Solaris och GWM Worlds 2 är de två modellerna som Runway släppte i början av september 2026, och tillsammans utgör de en specifik satsning: att nästa användbara sak som en videomodell gör inte är att rendera ett klipp du tittar på, utan att hålla en värld som du agerar inuti. Solaris, som annonserades den 31 augusti, genererar mjukvarugränssnitt bildruta för bildruta – ett klick eller en dragning betingar nästa bildruta, och bilden är applikationen, utan HTML, CSS, JavaScript eller DOM under den. GWM Worlds 2, som annonserades den 3 september, kör samma trick på miljöer: kontinuerlig 720p vid 24 bildrutor per sekund med 48 kHz-ljud, i sessioner som inte behöver ta slut. Den 10 september publicerade Runway forskningen bakom båda, och det inlägget är mer användbart än lanseringsbevakningen, eftersom det förklarar hur en diffus videomodell blir tillräckligt snabb för att kännas live. Det den inte förklarar är hur man får tillgång. Ingen av modellerna har ett publikt API, ett publicerat pris eller nedladdningsbara vikter.

Var Solaris och GWM Worlds 2 placerar sig i Runways modellprogram

Båda modellerna härstammar från samma plats. Runways videomodell Gen-4.5 är basartefakten; programmet GWM-1 för generella världsmodeller, som tillkännagavs i december 2025, levererade inramningen "världsmodell"; Runway Characters, tidigare under 2026, var det första offentliga framträdandet av idén att man kunde ge en videomodell en prompt och få något som svarade i stället för något som spelades upp.

Solaris tar det arvet till en snävare och underligare plats. Runway kallar det den första gränssnittsvärldsmodellen, och påståendet är inte att den genererar en bild av ett gränssnitt utan att genereringen är gränssnittet. En språkmodell avgör vad som bör förändras när du interagerar; världsmodellen renderar konsekvensen. Runways lanseringsinlägg ramar in konventionell apputveckling som "förlustbringande komprimering" – en designers avsikt komprimerad till kod, sedan dekomprimerad av en webbläsare, där allt du kan göra begränsas till vad en utvecklare har förprogrammerat.

GWM Worlds 2 är den bredare syskonprodukten. Den genererar interaktiva miljöer i stället för gränssnitt, och dess styryta är ett format som Runway kallar WorldPrompt: en beständig "genesis"-prompt som fastställer miljö, layout, material, belysning, atmosfär, subjekt, fysikregler och kameraperspektiv, plus en första bildruta för att förankra utseendet; därefter en tidsstämplad händelseström av fritextåtgärder riktade till ett subjekt eller scenen, med start- och sluttider så att åtgärder kan överlappa.

• Solaris — gränssnittsvärldsmodell, byggd på Gen-4.5, först i Runways Interface World Models-serie, tillkännagavs 31 augusti 2026

• GWM Worlds 2 — andra allmänna världsmodellen, 720p vid 24 fps, 48 kHz-ljud inklusive genererat tal med synkroniserade läpprörelser, tillkännagavs den 3 september 2026

• Sessioner — öppna för GWM Worlds 2 i stället för klipp med fast längd; 720p-sessioner för Solaris

• Åtkomst — Solaris: ansökningsformulär för tidig åtkomst. GWM Worlds 2: kontaktformulär. Ingen av dem har publicerat prissättning eller en offentlig slutpunkt

• Angiven latens — Solaris beskrivs köra i interaktiva hastigheter, under 500 ms per bildruta

• Oberoende benchmarks — inga. Allt som publicerats hittills kommer från Runway

Trestegskonverteringen som köper den halva sekunden

Forskningsinlägget den 10 september, "Towards Instant Video Generation", är första gången Runway beskriver maskineriet i någon detalj, och dess form är bekant från litteraturen om diffusionsdestillation även om tillämpningen inte är det. Utgångspunkten är en vanlig dubbelriktad videomodell – Gen-4.5 – där varje genereringssteg betingas av en inledande första bildruta och en bildtext, och tidigare genererade latenter hålls kvar i kontexten. Den modellen är noggrann och långsam: flow matching vill ha många avbrusningssteg per bildruta, och en bildruta man måste vänta på är inte ett gränssnitt.

Omvandlingen sker i tre steg. Först omvandlas arkitekturen till en tidsmässigt kausal, bildruta-för-bildruta autoregressiv generator — där varje bildruta endast beror på det som kom före den, vilket är vad som gör streaming möjligt överhuvudtaget. För det andra kollapsar distributionsmatchningsdestillation de många avbrusningsstegen till några få, vilket är där hastigheten kommer ifrån. Detta körs i två faser, och Runway är ovanligt tydliga med varför båda behövs. Den off-policy-fasen låter studenten förutsäga nästa tillstånd från ground truth-kontext medan en fryst bidirektionell lärare demonstrerar bra generationer och en kritiker driver studenten mot lärarens fördelning — billig, eftersom det inte finns några rollouts, men otillräcklig i sig, eftersom ett tidigt misstag i video blir kontexten för nästa bildruta och driver modellen ur fördelningen snabbt. Den on-policy-fasen utför därför rollouts under träning, så varje genererad latent blir kontexten för nästa, precis som vid inferens. Runway säger att de flesta verkliga vinsterna kommer från denna fas, och att en läroplan med ökande sekvenslängd slår att träna på långa sekvenser från början.

För det tredje tränas modellen på sina egna utdata för att stoppa visuell drift under en lång session. De tre stegen tillsammans är vad som gör att Runway kan använda ordet "interaktiv"; ingen latenssiffra, bildfrekvens eller genomströmningssiffra kopplas till något av dem. "Bra latens" är så specifikt som inlägget blir. Vad det däremot säger är att flaskhalsen flyttas från träning till inferens, eftersom varje bildruta måste lämna modellen tillräckligt snabbt för att kunna spelas upp på delad hårdvara – och den kostnaden per utdata vid en given kvalitet är vad som avgör vilka användningsfall som är genomförbara överhuvudtaget.

61-till-24-studien, läs noggrant

Det tal som fick störst spridning från Solaris-tillkännagivandet var en preferenspoäng, så det är värt att vara precis om vad som mättes. Runway genomförde en studie med 250 deltagare och ungefär 7 500 parvisa bedömningar över 30 interaktionsexempel. Deltagarna föredrog Solaris framför ett kodat gränssnitt genererat av Claude Opus 5 i 61 procent av fallen när det gällde att följa interaktionsinstruktioner, mot 24 procent för den kodade versionen; när det gällde beteendets naturlighet var fördelningen 71 mot 21.

Tre saker som den siffran inte är. Det är inte ett oberoende resultat – Runway designade det, körde det och rapporterade det, och ingen tredje part har reproducerat det. Det är inte ett mått på huruvida gränssnittet fungerade: instruktionsföljning och beteendemässig naturlighet är bedömningar av hur det såg ut och kändes, inte huruvida en uppgift slutfördes korrekt. Och det är inte en jämförelse mot Claude Opus 5 självt, som är en språkmodell; det är en jämförelse mot gränssnitt som en språkmodell skrev som kod. Den distinktionen är hela satsningen på en rad – påståendet är inte att Solaris är smartare än en LLM, utan att hoppa över kodlagret ger ett mer naturligt resultat.

Vad modellen fortfarande inte kan göra

Runway är mer öppenhjärtig om luckorna än vad lanseringsinlägg brukar vara, och luckorna är strukturella snarare än kosmetiska.

• Textrendering — läsbar, stabil text är verkligen svårt för en modell byggd på videogenereringsteknik, och gränssnitt består av text. Runway har luftat en hybrid: låt en konventionell bildmodell rendera texttunga vyer under pauser i interaktionen

• Tillgänglighet — ett genererat gränssnitt har ingen DOM, så skärmläsare och tillgänglighets-API:er har inget att fästa vid. Detta är inte en bugg att rapportera; det är en egenskap hos tillvägagångssättet

• Långa sessioner — koherens försämras under långvariga, öppna interaktioner, vilket är precis det läge som ett gränssnitt lever i

• Tillit och förankring — en självsäker, felaktig rendering är sämre än ingen rendering, och Solaris är beroende av att dess startbild är förankrad i verifierat referensmaterial

• Upplösning — 720p är generöst för ett videoklipp och trångt för datatät skrivbordsprogramvara

För GWM Worlds 2 är de erkända begränsningarna en annan uppsättning: snabba kamerarotationer försämrar detalj, textur och geometri; långtidsminnet är ofullständigt, så ett rum du lämnar och kommer tillbaka till kanske inte har kvar samma objekt; bildreferenser stannar vid den första bildrutan eller ett förifyllt klipp; och tillståndsbaserad dialog behöver vanligtvis en extern testrigg för att kunna hålla reda på något.

Varför Runway anser att detta är infrastruktur för agentträning

Det mest intressanta argumentet kring Solaris handlar inte alls om gränssnitt. Eftersom det kan generera ett gränssnitt som aldrig tidigare har funnits – i stället för att hämta en välbekant layout – skulle det kunna användas för att träna datoranvändande agenter som måste generalisera i stället för att memorera. Det riktar in sig mot en verklig svaghet: agenter som tränats på en handfull välkända applayouter tenderar att bli sköra så snart layouten ändras. GWM Worlds 2 för fram samma argument för förkroppsligat arbete och levereras med ett explicit agentkontrollläge där en AI-agent planerar och utför uppgifter i världen.

Det är ett bra argument och ett ofullständigt sådant. En miljö som inte på ett tillförlitligt sätt kan komma ihåg att lampan som den tände fortfarande är på är en dålig plats att träna vad som helst som är beroende av tillstånd, vilket är det mesta som agenter gör. Runway säger lika mycket i sitt eget avsnitt om begränsningar. Den ärliga tolkningen är att detta är en lovande riktning med ett problem med tillståndsspårning som sitter direkt mittemot.

Vad du faktiskt kan ringa idag

Solaris är en forskningsförhandsvisning. Åtkomst sker via ett ansökningsformulär för tidig åtkomst riktat till partners, och Runway har inte meddelat något datum för offentlig lansering. Det finns ingen Solaris-endpoint i Runways egen API-referens, ingen prissättning och inga släppta vikter. GWM Worlds 2 är låst bakom ett kontaktformulär medan Runway validerar det med utvalda partners. Om du väntar på att bygga på någon av dem, väntar du.

Det har betydelse för hur du läser resten av bevakningen, eftersom en stor del av den beskriver Solaris i presens som en redan släppt produkt. Det är den inte ännu, och Runway påstår inte något annat.

Inget av detta är något som OrcaRouter kan hjälpa dig att anropa. Vår katalog består av text- och multimodala modeller – 195 av dem vid skrivandets tidpunkt, och inget som liknar en världsmodell bland dem. Det vi routar är den andra halvan av stacken. Om den intressanta framtiden här är en agent som driver ett genererat gränssnitt, måste något fortfarande vara modellen som bestämmer vad som ska göras, och den sidan är tillgänglig idag: en nyckel till en katalog med fler än 200 modeller, med 0 % påslag på leverantörens listpris, automatisk failover när en leverantör försämras, ett routing-DSL för att sätta samman flera modeller till ett anrop, och modellfusion när du vill att en panel svarar tillsammans i stället för en. Du kan prova en ny modell på en produktionsväg utan att satsa vägen på den.

Vad du ska titta på

Frågan som avgör huruvida Solaris blir en produkt är inte huruvida genererade gränssnitt ser imponerande ut – det gör de bevisligen – utan huruvida Runway kan publicera en latenssiffra och hålla fast vid den. Allt nedströms hänger på det: berättelsen om agentträning, argumentet om kostnad per utdata och påståendet att video är dit gränssnitten är på väg.

Tre signaler är värda att följa. Ett tal, vilket tal som helst, kopplat till påståendet om under 500 ms. En andra, oberoende replikering av preferensstudien. Och en slutpunkt – för fram till dess att Solaris dyker upp i Runways API-referens med ett pris bredvid sig är det rätta sättet att behandla det som en forskningsriktning med en ovanligt bra demoreel, vilket är en riktig sak att vara och ännu inte ett verktyg.