Runway Solaris: โมเดลโลกเชิงอินเทอร์เฟซที่แทนที่โค้ดด้วยวิดีโอ

Runway Solaris และ GWM Worlds 2 เป็นสองโมเดลที่ Runway เปิดตัวในช่วงรอยต่อของเดือนกันยายน 2026 และเมื่อรวมกันแล้วพวกมันก็สร้างการเดิมพันที่เฉพาะเจาะจงอย่างหนึ่ง: ว่าสิ่งที่มีประโยชน์ต่อไปที่โมเดลวิดีโอทำไม่ใช่การเรนเดอร์คลิปที่คุณดู แต่เป็นการถือโลกที่คุณเข้าไปมีปฏิสัมพันธ์ภายใน Solaris ซึ่งประกาศเมื่อวันที่ 31 สิงหาคม สร้างอินเทอร์เฟซซอฟต์แวร์ทีละเฟรม — การคลิกหรือการลากจะกำหนดเงื่อนไขเฟรมถัดไป และภาพ คือ แอปพลิเคชัน โดยไม่มี HTML, CSS, JavaScript หรือ DOM อยู่ข้างใต้ GWM Worlds 2 ซึ่งประกาศเมื่อวันที่ 3 กันยายน ใช้กลเม็ดเดียวกันกับสภาพแวดล้อม: 720p ต่อเนื่องที่ 24 เฟรมต่อวินาทีพร้อมเสียง 48 kHz ในเซสชันที่ไม่จำเป็นต้องจบลง เมื่อวันที่ 10 กันยายน Runway ได้เผยแพร่งานวิจัยเบื้องหลังทั้งสองโมเดล และโพสต์นั้นมีประโยชน์มากกว่าการรายงานข่าวเปิดตัว เพราะมันอธิบายว่าโมเดลวิดีโอแบบ diffusion เร็วพอที่จะรู้สึกเหมือนสดได้อย่างไร สิ่งที่มันไม่ได้อธิบายคือวิธีการเข้าถึง โมเดลทั้งสองไม่มี API สาธารณะ ไม่มีราคาที่ประกาศไว้ หรือน้ำหนักที่ดาวน์โหลดได้.

Solaris และ GWM Worlds 2 อยู่ตรงไหนในไลน์ของ Runway

ทั้งสองโมเดลมีต้นกำเนิดมาจากที่เดียวกัน Gen-4.5 โมเดลวิดีโอของ Runway คือชิ้นงานต้นแบบ ส่วนโครงการ GWM-1 general world model ที่ประกาศในเดือนธันวาคม 2025 เป็นผู้มอบกรอบแนวคิด “world model” ให้ และ Runway Characters เมื่อต้นปี 2026 คือการเปิดตัวต่อสาธารณะครั้งแรกของแนวคิดที่ว่าคุณสามารถพรอมป์ต์โมเดลวิดีโอแล้วได้สิ่งที่ตอบสนอง แทนที่จะเป็นสิ่งที่เล่นไปเรื่อย ๆ

Solaris พาเชื้อสายนั้นไปสู่ที่ที่แคบกว่าและแปลกประหลาดกว่า Runway เรียกมันว่าเป็นตัวแรก อินเทอร์เฟซเวิลด์โมเดล และข้อกล่าวอ้างไม่ใช่ว่ามันสร้างภาพของ UI แต่การสร้างนั้น คือ UI นั่นเอง. โมเดลภาษาตัดสินใจว่าควรเปลี่ยนแปลงอะไรเมื่อคุณโต้ตอบ ส่วนเวิลด์โมเดลจะเรนเดอร์ผลลัพธ์ที่ตามมา โพสต์เปิดตัวของ Runway มองการพัฒนาแอปแบบดั้งเดิมว่าเป็น "การบีบอัดแบบสูญเสียข้อมูล" — เจตนาของนักออกแบบที่ถูกบีบอัดเป็นโค้ด แล้วถูกคลายการบีบอัดโดยเบราว์เซอร์ โดยทุกสิ่งที่คุณทำได้ถูกจำกัดอยู่แค่สิ่งที่นักพัฒนาเขียนโปรแกรมไว้ล่วงหน้า.

GWM Worlds 2 เป็นพี่น้องที่ครอบคลุมกว่า โดยสร้างสภาพแวดล้อมแบบอินเทอร์แอกทีฟแทนที่จะเป็นอินเทอร์เฟซ และพื้นผิวการควบคุมของมันคือรูปแบบที่ Runway เรียกว่า WorldPrompt ซึ่งเป็นพรอมต์ "genesis" แบบต่อเนื่องที่กำหนดสภาพแวดล้อม เลย์เอาต์ วัสดุ แสง บรรยากาศ ตัวแบบ กฎทางกายภาพ และมุมมองกล้อง รวมถึงเฟรมแรกเพื่อยึดลุคไว้ จากนั้นเป็นสตรีมเหตุการณ์ที่ประทับเวลาของแอ็กชันข้อความอิสระที่ส่งถึงตัวแบบหรือฉาก พร้อมเวลาเริ่มต้นและสิ้นสุด เพื่อให้แอ็กชันทับซ้อนกันได้

• Solaris — โมเดลโลกเชิงอินเทอร์เฟซ สร้างบน Gen-4.5 เป็นตัวแรกในซีรีส์ Interface World Models ของ Runway ประกาศเมื่อวันที่ 31 สิงหาคม 2026

• GWM Worlds 2 — โมเดลโลกทั่วไปตัวที่สอง ความละเอียด 720p ที่ 24 fps เสียง 48 kHz รวมถึงเสียงพูดที่สร้างขึ้นพร้อมการขยับปากที่ประสานกัน ประกาศเมื่อวันที่ 3 กันยายน 2026

• เซสชัน — เป็นแบบไม่จำกัดเวลาสำหรับ GWM Worlds 2 แทนที่จะเป็นคลิปความยาวคงที่; เซสชัน 720p สำหรับ Solaris

• การเข้าถึง — Solaris: แบบฟอร์มขอสิทธิ์เข้าถึงก่อนกำหนด GWM Worlds 2: แบบฟอร์มติดต่อ ทั้งสองแห่งยังไม่เปิดเผยราคาหรือ endpoint สาธารณะ

• ความหน่วงที่ระบุ — Solaris ได้รับการอธิบายว่าทำงานด้วยความเร็วระดับอินเทอร์แอกทีฟ คือต่ำกว่า 500 มิลลิวินาทีต่อเฟรม

• เกณฑ์มาตรฐานที่เป็นอิสระ — ไม่มีเลย ทุกอย่างที่เผยแพร่มาจนถึงตอนนี้ล้วนมีต้นตอมาจาก Runway

การแปลงสามขั้นตอนที่ซื้อเวลาครึ่งวินาที

โพสต์งานวิจัยเมื่อวันที่ 10 กันยายน "Towards Instant Video Generation" เป็นครั้งแรกที่ Runway อธิบายกลไกการทำงานอย่างละเอียด และรูปร่างของมันก็คุ้นเคยจากวรรณกรรมด้าน diffusion distillation แม้ว่าการนำไปใช้จะไม่คุ้นเคยก็ตาม จุดเริ่มต้นคือโมเดลวิดีโอแบบสองทิศทางมาตรฐาน — Gen-4.5 — ซึ่งแต่ละขั้นตอนการสร้างจะกำหนดเงื่อนไขจากเฟรมแรกเริ่มต้นและแคปชัน และละเทนต์ที่สร้างไว้ก่อนหน้าจะถูกเก็บไว้ในบริบท โมเดลนั้นแม่นยำและช้า: flow matching ต้องการขั้นตอนการลดสัญญาณรบกวนหลายขั้นต่อหนึ่งเฟรม และเฟรมที่คุณต้องรอไม่ถือเป็นอินเทอร์เฟซ

การแปลงเกิดขึ้นในสามขั้นตอน ขั้นแรก สถาปัตยกรรมถูกเปลี่ยนให้เป็นตัวสร้างแบบถดถอยอัตโนมัติทีละเฟรมที่มีความเป็นเหตุเป็นผลเชิงเวลา — โดยแต่ละเฟรมขึ้นอยู่กับสิ่งที่มาก่อนหน้ามันเท่านั้น ซึ่งเป็นสิ่งที่ทำให้สตรีมมิ่งเป็นไปได้ตั้งแต่แรก ขั้นที่สอง การกลั่นแบบจับคู่การแจกแจงย่อขั้นตอนการดีนอยซ์จำนวนมากให้เหลือเพียงไม่กี่ขั้น ซึ่งเป็นที่มาของความเร็ว กระบวนการนี้ทำงานในสองระยะ และ Runway อธิบายชัดเจนเป็นพิเศษว่าทำไมจึงจำเป็นต้องมีทั้งสองระยะ ระยะออฟ-โพลิซีให้นักเรียนทำนายสถานะถัดไปจากบริบทเฉลย ขณะที่ครูแบบสองทิศทางที่ถูกตรึงไว้สาธิตการสร้างที่ดี และตัววิพากษ์ผลักดันนักเรียนเข้าหาการแจกแจงของครู — ต้นทุนต่ำ เพราะไม่มีการ rollout แต่ไม่เพียงพอในตัวเอง เนื่องจากในวิดีโอ ความผิดพลาดตั้งแต่เนิ่น ๆ จะกลายเป็นบริบทของเฟรมถัดไป และผลักโมเดลออกจากการแจกแจงอย่างรวดเร็ว ดังนั้นระยะออน-โพลิซีจึงทำ rollout ระหว่างการฝึก เพื่อให้แต่ละ latent ที่สร้างขึ้นกลายเป็นบริบทสำหรับตัวถัดไป เช่นเดียวกับที่จะเกิดขึ้นตอน inference Runway กล่าวว่าผลประโยชน์ที่แท้จริงส่วนใหญ่มาจากระยะนี้ และหลักสูตรที่เพิ่มความยาวลำดับขึ้นเรื่อย ๆ ดีกว่าการฝึกบนลำดับยาวตั้งแต่เริ่มต้น

ประการที่สาม โมเดลนี้ถูกฝึกบนเอาต์พุตของตัวเองเพื่อหยุดการคลาดเคลื่อนทางภาพในเซสชันยาว ๆ ทั้งสามขั้นตอนรวมกันคือสิ่งที่ทำให้ Runway ใช้คำว่า "interactive" ได้ โดยไม่มีตัวเลขความหน่วง อัตราเฟรม หรือปริมาณงานผูกอยู่กับขั้นตอนใดเลย "ความหน่วงที่ดี" เป็นรายละเอียดที่เฉพาะเจาะจงที่สุดเท่าที่โพสต์นี้มี สิ่งที่มันบอกก็คือคอขวดย้ายจากการฝึกไปสู่การอนุมาน เพราะทุกเฟรมต้องออกจากโมเดลเร็วพอที่จะเล่นกลับบนฮาร์ดแวร์ที่ใช้ร่วมกัน — และต้นทุนต่อเอาต์พุตที่คุณภาพระดับหนึ่งนั่นแหละคือสิ่งที่กำหนดว่ากรณีการใช้งานใดบ้างที่เป็นไปได้เลย

การศึกษาเรื่อง 61 ต่อ 24 อ่านอย่างละเอียด

ตัวเลขที่กระจายไปไกลที่สุดจากการประกาศของ Solaris คือคะแนนความชื่นชอบ ดังนั้นจึงควรระบุให้ชัดเจนว่าวัดอะไรกันแน่ Runway ได้ทำการศึกษากับผู้เข้าร่วม 250 คน และการตัดสินแบบจับคู่ประมาณ 7,500 ครั้ง จากตัวอย่างการโต้ตอบ 30 ตัวอย่าง ผู้เข้าร่วมชอบ Solaris มากกว่าอินเทอร์เฟซแบบเขียนโค้ดที่สร้างโดย Claude Opus 5 ร้อยละ 61 ของเวลาในด้านการปฏิบัติตามคำสั่งการโต้ตอบ เทียบกับร้อยละ 24 สำหรับเวอร์ชันที่เขียนโค้ด; ในด้านความเป็นธรรมชาติของพฤติกรรม อัตราแยกเป็น 71 ต่อ 21

สามสิ่งที่ตัวเลขนั้นไม่ใช่ มันไม่ใช่ผลลัพธ์ที่เป็นอิสระ — Runway เป็นผู้ออกแบบ 運行 และรายงานผลเอง และไม่มีบุคคลที่สามรายใดทำซ้ำได้ มันไม่ใช่การวัดว่าอินเทอร์เฟซนั้นได้ผลหรือไม่: การทำตามคำสั่งและความเป็นธรรมชาติของพฤติกรรมเป็นการตัดสินเกี่ยวกับว่ามันดูและให้ความรู้สึกอย่างไร ไม่ใช่ว่างานนั้นสำเร็จอย่างถูกต้องหรือไม่ และมันไม่ใช่การเปรียบเทียบกับตัว Claude Opus 5 เอง ซึ่งเป็นโมเดลภาษา แต่เป็นการเปรียบเทียบกับอินเทอร์เฟซที่โมเดลภาษาเขียนขึ้นเป็นโค้ด ความแตกต่างนั้นคือเดิมพันทั้งหมดในบรรทัดเดียว — ข้ออ้างไม่ใช่ว่า Solaris ฉลาดกว่า LLM แต่คือการข้ามชั้นโค้ดไปให้ผลลัพธ์ที่เป็นธรรมชาติกว่า

สิ่งที่โมเดลยังทำไม่ได้

Runway ตรงไปตรงมาเรื่องช่องว่างต่างๆ มากกว่าที่โพสต์เปิดตัวมักเป็น และช่องว่างเหล่านั้นเป็นเรื่องเชิงโครงสร้างมากกว่าเรื่องผิวเผิน

• การเรนเดอร์ข้อความ — ข้อความที่อ่านออกและมีเสถียรภาพเป็นเรื่องยากอย่างแท้จริงสำหรับโมเดลที่สร้างขึ้นบนเทคโนโลยีการสร้างวิดีโอ และอินเทอร์เฟซล้วนประกอบด้วยข้อความ Runway ได้เสนอแนวทางแบบไฮบริด: ให้โมเดลรูปภาพแบบดั้งเดิมเรนเดอร์มุมมองที่มีข้อความหนาแน่นในช่วงที่การโต้ตอบหยุดชั่วคราว

• การช่วยการเข้าถึง — อินเทอร์เฟซที่ถูกสร้างขึ้นไม่มี DOM ดังนั้นโปรแกรมอ่านหน้าจอและ API การช่วยการเข้าถึงจึงไม่มีอะไรให้ยึดเกาะ นี่ไม่ใช่บั๊กที่ต้องรายงาน แต่เป็นคุณสมบัติของแนวทางนี้

• เซสชันยาว — ความสอดคล้องเสื่อมถอยลงเมื่อต้องโต้ตอบแบบเปิดกว้างต่อเนื่องเป็นเวลานาน ซึ่งเป็นสภาวะที่อินเทอร์เฟซต้องดำเนินอยู่จริง ๆ

• ความน่าเชื่อถือและการยึดโยงกับหลักฐานอ้างอิง — การเรนเดอร์ที่ดูมั่นใจแต่ผิด ยังแย่กว่าการไม่เรนเดอร์เลย และ Solaris ต้องพึ่งพาการที่เฟรมเริ่มต้นของตนถูกยึดโยงกับเอกสารอ้างอิงที่ผ่านการตรวจสอบแล้ว

• ความละเอียด — 720p เหลือเฟือสำหรับคลิปวิดีโอ แต่คับแคบสำหรับซอฟต์แวร์เดสก์ท็อปที่เน้นข้อมูลหนาแน่น

สำหรับ GWM Worlds 2 ข้อจำกัดที่ได้รับการยอมรับนั้นเป็นชุดที่แตกต่างออกไป: การหมุนกล้องอย่างรวดเร็วทำให้รายละเอียด เท็กซ์เจอร์ และเรขาคณิตลดลง; หน่วยความจำระยะยาวไม่สมบูรณ์ ดังนั้นห้องที่คุณออกไปแล้วกลับเข้าไปอาจไม่มีวัตถุชิ้นเดิมอยู่; การอ้างอิงภาพจะหยุดที่เฟรมแรกหรือคลิปที่เติมไว้ล่วงหน้า; และบทสนทนาแบบมีสถานะมักต้องใช้ฮาร์เนสภายนอกเพื่อติดตามสิ่งต่างๆ

ทำไม Runway จึงคิดว่านี่คือโครงสร้างพื้นฐานสำหรับการเทรนเอเจนต์

ข้อโต้แย้งที่น่าสนใจที่สุดเกี่ยวกับ Solaris ไม่ได้เกี่ยวกับอินเทอร์เฟซเลยสักนิด เพราะมันสามารถสร้างอินเทอร์เฟซที่ไม่เคยมีมาก่อน แทนที่จะดึงเลย์เอาต์ที่คุ้นเคยออกมา จึงอาจถูกใช้เพื่อฝึกเอเจนต์ที่ใช้งานคอมพิวเตอร์ซึ่งต้องสรุปเป็นหลักการทั่วไปแทนการจดจำ สิ่งนี้มุ่งเป้าไปที่จุดอ่อนที่มีอยู่จริง: เอเจนต์ที่ฝึกบนเลย์เอาต์แอปไม่กี่แบบที่รู้จักกันดีมักเปราะบางทันทีที่เลย์เอาต์เปลี่ยนไป GWM Worlds 2 ก็ชูจุดขายแบบเดียวกันสำหรับงานที่ต้องมีตัวตนในโลก และมาพร้อมโหมดควบคุมเอเจนต์อย่างชัดเจน ซึ่งเอเจนต์ AI วางแผนและลงมือทำงานภายในโลกนั้น

มันเป็นข้อโต้แย้งที่ดีและยังไม่สมบูรณ์ สภาพแวดล้อมที่ไม่สามารถจดจำได้อย่างน่าเชื่อถือว่าหลอดไฟที่มันเปิดไว้ยังเปิดอยู่ เป็นที่ที่แย่สำหรับการฝึกสิ่งใดก็ตามที่ต้องพึ่งพาสถานะ ซึ่งเป็นสิ่งที่เอเจนต์ส่วนใหญ่ทำ Runway พูดไว้เช่นนั้นในส่วนข้อจำกัดของตัวเอง การตีความอย่างตรงไปตรงมาคือ นี่เป็นทิศทางที่มีแนวโน้มดี โดยมีปัญหาด้านการติดตามสถานะตั้งขวางอยู่ตรงหน้าพอดี

สิ่งที่คุณสามารถโทรหาได้จริงในวันนี้

Solaris เป็นพรีวิวสำหรับงานวิจัย การเข้าถึงต้องผ่านแบบฟอร์มคำขอเข้าถึงก่อนกำหนดสำหรับพันธมิตร และ Runway ยังไม่ประกาศวันเปิดตัวสู่สาธารณะ ไม่มีปลายทาง Solaris ในเอกสารอ้างอิง API ของ Runway เอง ไม่มีราคา และไม่มีการเผยแพร่น้ำหนักโมเดล GWM Worlds 2 ถูกกั้นไว้หลังแบบฟอร์มติดต่อ ขณะที่ Runway กำลังตรวจสอบยืนยันกับพันธมิตรที่คัดเลือกไว้ หากคุณกำลังรอเพื่อสร้างบนสิ่งใดสิ่งหนึ่งในสองสิ่งนี้ คุณก็กำลังรออยู่

เรื่องนี้สำคัญต่อวิธีที่คุณอ่านเนื้อหาที่เหลือ เพราะเนื้อหาส่วนใหญ่บรรยายถึง Solaris ราวกับว่าเป็นผลิตภัณฑ์ที่วางจำหน่ายแล้วในปัจจุบัน แต่จริง ๆ แล้วมันยังไม่ใช่ และ Runway ก็ไม่ได้อ้างว่าเป็นเช่นนั้น

ไม่มีสิ่งใดในนี้ที่ OrcaRouter ช่วยคุณเรียกใช้ได้ แค็ตตาล็อกของเราคือโมเดลข้อความและมัลติโมดัล — 195 รายการ ณ เวลาที่เขียนนี้ และไม่มีอะไรที่มีลักษณะเป็นเวิลด์โมเดลอยู่ในนั้น สิ่งที่เราเราเทอร์คืออีกครึ่งหนึ่งของสแต็ก หากอนาคตที่น่าสนใจตรงนี้คือเอเจนต์ที่ขับเคลื่อนอินเทอร์เฟซที่สร้างขึ้นมา ก็ยังต้องมีบางอย่างที่เป็นโมเดลคอยตัดสินใจว่าจะทำอะไร และด้านนั้นก็มีให้ใช้แล้วในวันนี้: คีย์เดียวใช้ได้กับแค็ตตาล็อกที่มีโมเดลมากกว่า 200 ตัว, พร้อมด้วย การบวกเพิ่ม 0% จากราคาตามรายการของผู้ให้บริการ, การสลับไปใช้ระบบสำรองอัตโนมัติเมื่อผู้ให้บริการเสื่อมประสิทธิภาพ, DSL สำหรับกำหนดเส้นทางเพื่อประกอบหลายโมเดลเป็นการเรียกครั้งเดียว และการหลอมรวมโมเดลเมื่อคุณต้องการให้กลุ่มโมเดลช่วยกันตอบแทนที่จะเป็นตัวเดียว คุณสามารถลองโมเดลใหม่บนเส้นทางโปรดักชันได้ โดยไม่ต้องเดิมพันเส้นทางนั้นกับมัน

ดูอะไรดี

คำถามที่ตัดสินว่า Solaris จะกลายเป็นผลิตภัณฑ์หรือไม่ ไม่ใช่คำถามว่าอินเทอร์เฟซที่สร้างขึ้นดูน่าประทับใจหรือไม่ — ซึ่งเห็นได้ชัดว่ามันน่าประทับใจ — แต่เป็นคำถามว่า Runway สามารถเผยแพร่ตัวเลขความหน่วงและรักษาระดับนั้นไว้ได้หรือไม่ ทุกสิ่งหลังจากนั้นล้วนขึ้นอยู่กับเรื่องนี้: แนวเล่าเรื่องการฝึกเอเจนต์ ข้อโต้แย้งเรื่องต้นทุนต่อเอาต์พุต และข้ออ้างที่ว่าวิดีโอคือทิศทางที่อินเทอร์เฟซกำลังมุ่งไป

สัญญาณสามอย่างที่ควรติดตาม ได้แก่ ตัวเลข ตัวเลขใดก็ได้ ที่ผูกอยู่กับข้ออ้างเรื่องต่ำกว่า 500 มิลลิวินาที; การทำซ้ำผลการศึกษาเรื่องความชื่นชอบครั้งที่สองที่เป็นอิสระ; และเอนด์พอยต์ — เพราะจนกว่า Solaris จะปรากฏในเอกสารอ้างอิง API ของ Runway พร้อมราคากำกับอยู่ข้าง ๆ วิธีปฏิบัติที่ถูกต้องต่อมันคือมองมันเป็นทิศทางการวิจัยที่มีเดโมรีลดีเป็นพิเศษ ซึ่งเป็นสถานะที่เป็นจริงได้ และยังไม่ใช่เครื่องมือ