Runway Solaris: Mô hình thế giới giao diện thay thế mã bằng video

Runway Solaris và GWM Worlds 2 là hai mô hình mà Runway phát hành vào thời điểm giao thoa của tháng 9 năm 2026, và cùng nhau chúng tạo nên một đặt cược cụ thể: rằng điều hữu ích tiếp theo mà một mô hình video làm được không phải là kết xuất một đoạn clip bạn xem, mà là giữ một thế giới mà bạn hành động bên trong. Solaris, được công bố vào ngày 31 tháng 8, tạo ra các giao diện phần mềm từng khung hình một — một cú nhấp hoặc kéo sẽ điều kiện hóa khung hình tiếp theo, và hình ảnh chính là ứng dụng, không có HTML, CSS, JavaScript hay DOM bên dưới nó. GWM Worlds 2, được công bố ngày 3 tháng 9, thực hiện trò tương tự trên các môi trường: 720p liên tục ở 24 khung hình mỗi giây với âm thanh 48 kHz, trong các phiên không buộc phải kết thúc. Vào ngày 10 tháng 9, Runway công bố nghiên cứu đằng sau cả hai, và bài đăng đó hữu ích hơn so với các bài đưa tin ra mắt, bởi vì nó giải thích cách một mô hình video khuếch tán trở nên đủ nhanh để có cảm giác trực tiếp. Điều mà nó không giải thích là làm thế nào để có quyền truy cập. Không mô hình nào có API công khai, mức giá được công bố, hay trọng số có thể tải xuống.

Vị trí của Solaris và GWM Worlds 2 trong dòng sản phẩm của Runway

Cả hai mô hình đều bắt nguồn từ cùng một nơi. Mô hình video Gen-4.5 của Runway là tạo tác cơ sở; chương trình mô hình thế giới tổng quát GWM-1 được công bố vào tháng 12 năm 2025 đã cung cấp cách định hình “mô hình thế giới”; Runway Characters, hồi đầu năm 2026, là lần xuất hiện công khai đầu tiên của ý tưởng rằng bạn có thể gợi ý (prompt) một mô hình video và nhận được thứ gì đó phản hồi lại thay vì thứ gì đó chỉ phát.

Solaris đưa dòng dõi đó đến một nơi hẹp hơn và kỳ lạ hơn. Runway gọi nó là mô hình thế giới giao diện, và tuyên bố không phải rằng nó tạo ra một hình ảnh của giao diện người dùng mà là việc tạo ra chính là giao diện người dùng. Một mô hình ngôn ngữ quyết định điều gì sẽ thay đổi khi bạn tương tác; mô hình thế giới kết xuất hệ quả. Bài đăng ra mắt của Runway mô tả việc phát triển ứng dụng thông thường là "nén mất dữ liệu" — ý định của nhà thiết kế được nén thành mã, rồi được trình duyệt giải nén, với mọi thứ bạn có thể làm đều bị giới hạn trong những gì lập trình viên đã lập trình sẵn.

GWM Worlds 2 là phiên bản anh em có phạm vi rộng hơn. Nó tạo ra các môi trường tương tác thay vì giao diện, và bề mặt điều khiển của nó là một định dạng mà Runway gọi là WorldPrompt: một prompt "genesis" thường trực, cố định môi trường, bố cục, vật liệu, ánh sáng, không khí, chủ thể, các quy tắc vật lý và góc nhìn camera, cùng với khung hình đầu tiên để neo giữ diện mạo; sau đó là một luồng sự kiện được đánh dấu thời gian gồm các hành động văn bản dạng tự do hướng đến một chủ thể hoặc cảnh, với thời gian bắt đầu và kết thúc để các hành động có thể chồng lấn.

• Solaris — mô hình thế giới giao diện, được xây dựng trên Gen-4.5, đầu tiên trong loạt Interface World Models của Runway, công bố ngày 31 tháng 8 năm 2026

• GWM Worlds 2 — mô hình thế giới tổng quát thứ hai, 720p ở 24 fps, âm thanh 48 kHz bao gồm giọng nói được tạo với chuyển động môi đồng bộ, công bố ngày 3 tháng 9 năm 2026

• Phiên — kết thúc mở cho GWM Worlds 2 thay vì các clip có độ dài cố định; phiên 720p cho Solaris

• Truy cập — Solaris: biểu mẫu yêu cầu truy cập sớm. GWM Worlds 2: biểu mẫu liên hệ. Cả hai đều chưa công bố giá hoặc endpoint công khai

• Độ trễ được công bố — Solaris được mô tả là chạy ở tốc độ tương tác, dưới 500 ms mỗi khung hình

• Điểm chuẩn độc lập — không có. Mọi thứ được công bố cho đến nay đều bắt nguồn từ Runway

Quá trình chuyển đổi ba giai đoạn đổi lấy nửa giây

Bài đăng nghiên cứu ngày 10 tháng 9, "Towards Instant Video Generation", là lần đầu tiên Runway mô tả cỗ máy này một cách chi tiết nào đó, và hình dạng của nó thì quen thuộc từ tài liệu về chưng cất khuếch tán ngay cả khi ứng dụng thì không. Điểm khởi đầu là một mô hình video song hướng tiêu chuẩn — Gen-4.5 — trong đó mỗi bước tạo sinh lấy điều kiện từ một khung hình đầu tiên ban đầu và một chú thích, và các latent được tạo trước đó được giữ trong ngữ cảnh. Mô hình đó chính xác nhưng chậm: flow matching cần nhiều bước khử nhiễu cho mỗi khung hình, và một khung hình mà bạn phải chờ đợi thì không phải là một giao diện.

Quá trình chuyển đổi diễn ra trong ba bước. Đầu tiên, kiến trúc được biến đổi thành một bộ sinh tự hồi quy theo từng khung hình, có tính nhân quả theo thời gian — mỗi khung hình chỉ phụ thuộc vào những gì đến trước nó, điều này khiến việc truyền phát trở nên khả thi. Thứ hai, chưng cất khớp phân phối thu gọn nhiều bước khử nhiễu xuống còn một vài bước, đó là nguồn gốc của tốc độ. Quá trình này chạy trong hai giai đoạn, và Runway đặc biệt rõ ràng về lý do tại sao cả hai đều cần thiết. Giai đoạn off-policy có học sinh dự đoán các trạng thái tiếp theo từ ngữ cảnh gốc trong khi một giáo viên hai chiều bị đóng băng thể hiện các thế hệ tốt và một nhà phê bình đẩy học sinh về phía phân phối của giáo viên — rẻ, vì không có rollouts, nhưng không đủ nếu chỉ dùng một mình, vì trong video một sai lầm sớm sẽ trở thành ngữ cảnh cho khung hình tiếp theo và đẩy mô hình ra khỏi phân phối một cách nhanh chóng. Do đó, giai đoạn on-policy thực hiện rollouts trong quá trình huấn luyện, để mỗi latent được tạo ra trở thành ngữ cảnh cho bước tiếp theo, đúng như cách nó sẽ diễn ra khi suy luận. Runway nói rằng hầu hết lợi ích thực sự đến từ giai đoạn này, và rằng một lộ trình với độ dài chuỗi tăng dần sẽ tốt hơn việc huấn luyện trên các chuỗi dài ngay từ đầu.

Thứ ba, mô hình được huấn luyện trên chính các đầu ra của nó để ngăn chặn sự trôi dạt hình ảnh trong một phiên dài. Ba giai đoạn kết hợp lại chính là điều cho phép Runway dùng từ “tương tác”; không có con số độ trễ, tốc độ khung hình hay thông lượng nào được gắn với bất kỳ giai đoạn nào trong số đó. “Độ trễ tốt” là mức cụ thể nhất mà bài đăng đưa ra. Điều mà nó thực sự nói là nút thắt cổ chai chuyển từ huấn luyện sang suy luận, vì mỗi khung hình phải rời khỏi mô hình đủ nhanh để phát lại trên phần cứng dùng chung — và chi phí trên mỗi đầu ra ở một mức chất lượng nhất định chính là thứ quyết định những trường hợp sử dụng nào thực sự khả thi.

Nghiên cứu 61 trên 24, hãy đọc cho kỹ.

Con số được lan truyền xa nhất từ thông báo Solaris là điểm ưu tiên, nên cần phải chính xác về những gì đã được đo lường. Runway đã thực hiện một nghiên cứu với 250 người tham gia và khoảng 7.500 đánh giá theo cặp trên 30 ví dụ tương tác. Những người tham gia thích Solaris hơn một giao diện được lập trình do Claude Opus 5 tạo ra trong 61% thời gian về việc tuân theo các hướng dẫn tương tác, so với 24% đối với phiên bản được lập trình; về độ tự nhiên của hành vi, tỷ lệ phân chia là 71 so với 21.

Ba điều mà con số đó không phải là. Nó không phải là một kết quả độc lập — Runway đã thiết kế, chạy và báo cáo nó, và chưa có bên thứ ba nào tái lập được. Nó không phải là thước đo xem giao diện có hoạt động hay không: việc tuân theo chỉ dẫn và tính tự nhiên trong hành vi là những đánh giá về việc nó trông và cảm nhận ra sao, chứ không phải về việc một tác vụ có được hoàn thành đúng hay không. Và nó không phải là so sánh với chính Claude Opus 5, vốn là một mô hình ngôn ngữ; nó là so sánh với những giao diện do một mô hình ngôn ngữ viết ra dưới dạng mã. Sự phân biệt đó chính là toàn bộ canh bạc gói trong một câu — tuyên bố không phải là Solaris thông minh hơn một LLM, mà là việc bỏ qua lớp mã sẽ tạo ra một kết quả tự nhiên hơn.

Những gì mô hình vẫn chưa thể làm được

Runway thẳng thắn về những thiếu sót hơn mức các bài đăng ra mắt thường thể hiện, và những thiếu sót đó mang tính cấu trúc chứ không phải hình thức.

• Kết xuất văn bản — văn bản dễ đọc, ổn định thực sự khó đối với một mô hình được xây dựng trên công nghệ tạo video, và các giao diện được tạo nên từ văn bản. Runway đã đề xuất một giải pháp lai: để một mô hình hình ảnh thông thường kết xuất các khung nhìn nhiều văn bản trong những khoảng tạm dừng khi tương tác

• Khả năng tiếp cận — một giao diện được tạo ra không có DOM, nên trình đọc màn hình và các API hỗ trợ tiếp cận không có gì để bám vào. Đây không phải là một lỗi để báo cáo; đó là một đặc tính của phương pháp này

• Các phiên dài — tính mạch lạc suy giảm qua tương tác mở kéo dài, mà đó chính xác là chế độ mà một giao diện tồn tại trong đó

• Sự tin cậy và nền tảng vững chắc — một bản dựng tự tin nhưng sai lệch còn tệ hơn là không có bản dựng nào, và Solaris phụ thuộc vào việc khung hình khởi đầu của nó được neo vào tài liệu tham chiếu đã được xác minh

• Độ phân giải — 720p là khá thoải mái cho một clip video nhưng lại chật chội đối với phần mềm máy tính để bàn nhiều dữ liệu

Với GWM Worlds 2, các giới hạn được thừa nhận là một nhóm khác: xoay camera nhanh làm giảm chi tiết, kết cấu và hình học; bộ nhớ dài hạn không đầy đủ, nên một căn phòng mà bạn rời đi rồi quay lại có thể không giữ nguyên những đồ vật như trước; tham chiếu hình ảnh chỉ dừng ở khung đầu tiên hoặc một clip được điền sẵn; và đối thoại có trạng thái thường cần một harness bên ngoài để theo dõi được bất cứ thứ gì.

Vì sao Runway cho rằng đây là hạ tầng huấn luyện agent

Lập luận thú vị nhất xoay quanh Solaris hoàn toàn không phải về giao diện. Bởi vì nó có thể tạo ra một giao diện chưa từng tồn tại trước đây — thay vì truy xuất một bố cục quen thuộc — nó có thể được dùng để huấn luyện các tác nhân sử dụng máy tính phải khái quát hóa thay vì ghi nhớ. Điều đó nhắm vào một điểm yếu thực sự: những tác nhân được huấn luyện trên một số ít bố cục ứng dụng nổi tiếng thường trở nên mong manh ngay khi bố cục thay đổi. GWM Worlds 2 đưa ra lập luận tương tự cho công việc hiện thân, và cung cấp một chế độ điều khiển tác nhân rõ ràng, nơi một tác nhân AI lập kế hoạch và thực thi nhiệm vụ bên trong thế giới.

Đó là một lập luận hay và cũng là một lập luận chưa đầy đủ. Một môi trường không thể ghi nhớ một cách đáng tin rằng chiếc đèn nó đã bật vẫn đang sáng là một nơi tồi để huấn luyện bất cứ thứ gì phụ thuộc vào trạng thái, mà đó là phần lớn những gì các tác nhân làm. Runway cũng nói điều tương tự trong phần hạn chế của chính mình. Cách hiểu trung thực là đây là một hướng đi đầy hứa hẹn với một vấn đề theo dõi trạng thái nằm ngay chắn ngang nó.

Những gì bạn thực sự có thể gọi hôm nay

Solaris là bản xem trước nghiên cứu. Quyền truy cập diễn ra thông qua một biểu mẫu yêu cầu quyền truy cập sớm dành cho các đối tác, và Runway chưa công bố ngày ra mắt công khai. Không có endpoint Solaris nào trong tài liệu tham chiếu API của chính Runway, không có thông tin giá, và không có trọng số nào được phát hành. GWM Worlds 2 được giới hạn sau một biểu mẫu liên hệ trong khi Runway xác thực nó với các đối tác được chọn. Nếu bạn đang chờ để xây dựng trên một trong hai, thì bạn đang chờ.

Điều đó ảnh hưởng đến cách bạn đọc phần còn lại của bài viết, bởi vì phần lớn nội dung trong đó mô tả Solaris ở thì hiện tại như thể đây là một sản phẩm đã được phát hành. Hiện nó vẫn chưa phải như vậy, và Runway cũng không tuyên bố điều gì khác.

Không có thứ nào trong số này là thứ mà OrcaRouter có thể giúp bạn gọi. Danh mục của chúng tôi gồm các mô hình văn bản và đa phương thức — 195 mô hình tại thời điểm viết bài, và không có thứ nào mang hình dạng mô hình thế giới trong đó. Thứ chúng tôi định tuyến là nửa còn lại của ngăn xếp. Nếu tương lai thú vị ở đây là một agent điều khiển một giao diện được tạo ra, thì vẫn phải có thứ gì đó là mô hình đưa ra quyết định làm gì, và phía đó đã có sẵn ngay hôm nay: một khóa duy nhất cho danh mục hơn 200 mô hình, với mức đánh thêm 0% trên giá niêm yết của nhà cung cấp, tự động chuyển đổi dự phòng khi một nhà cung cấp suy giảm, một DSL định tuyến để kết hợp nhiều mô hình thành một lời gọi, và hợp nhất mô hình khi bạn muốn cả một hội đồng cùng trả lời thay vì chỉ một mô hình. Bạn có thể thử một mô hình mới trên một đường dẫn production mà không đặt cược cả đường dẫn vào nó.

Xem gì

Câu hỏi quyết định liệu Solaris có trở thành một sản phẩm hay không không phải là liệu các giao diện được tạo ra có trông ấn tượng hay không — rõ ràng là chúng có — mà là liệu Runway có thể công bố một con số độ trễ và duy trì được nó hay không. Mọi thứ ở hạ nguồn đều phụ thuộc vào điều đó: câu chuyện huấn luyện agent, lập luận về chi phí trên mỗi đầu ra, và tuyên bố rằng video là nơi các giao diện đang hướng tới.

Ba tín hiệu đáng để theo dõi. Một con số, bất kỳ con số nào, gắn với tuyên bố dưới 500 ms. Một bản tái lập độc lập thứ hai của nghiên cứu sở thích. Và một endpoint — bởi vì cho đến khi Solaris xuất hiện trong tài liệu tham chiếu API của Runway với một mức giá bên cạnh, cách đúng đắn để xử lý nó là coi nó như một hướng nghiên cứu với một đoạn demo tốt một cách bất thường, một thứ thực sự có thể tồn tại và cũng chưa phải là một công cụ.