Runway merilis Solaris, yang disebut perusahaan sebagai "model dunia antarmuka" pertamanya. Berbeda dari alat-alat yang membantu menulis kode front-end, Solaris tidak menghasilkan kode — ia langsung menghasilkan gambar. Setiap frame antarmuka yang dilihat pengguna dibuat langsung oleh model, dan tindakan seperti klik dan seret diumpankan kembali ke model sebagai kondisi pembuatan, sehingga mengubah frame berikutnya.
Runway memberikan dua angka kinerja: latensi interaksi ditekan di bawah setengah detik, dan resolusi dipertahankan di 720p. Kedua angka ini menentukan apa yang bisa dan tidak bisa dilakukan Solaris saat ini.
Klik Diperlakukan sebagai Sinyal Kondisi
Solaris dibangun dari kombinasi model dunia dan model bahasa. Model bahasa membaca permintaan pengguna dan menentukan apakah tindakan tersebut harus mengubah adegan saat ini atau berpindah ke adegan baru; model dunia menggambarkan hasil keputusan itu. Seluruh proses berjalan frame demi frame, dan model mempelajari sendiri dari data pelatihan "apa yang terjadi jika titik ini diklik" — tidak ada seorang pun yang menuliskan fungsi callback untuk tombol apa pun.
Ini jelas berbeda arah dari pendekatan arus utama untuk antarmuka buatan AI. Selama dua tahun terakhir, cara umum model besar menangani UI adalah menghasilkan kode HTML atau React, lalu menyerahkannya ke browser untuk dirender, dengan perilaku antarmuka tetap ditentukan oleh kode tersebut. Solaris menelan seluruh lapisan rendering ini — gambar di layar itu sendiri adalah aplikasinya.
Tingkat Preferensi 61%
Runway merilis serangkaian hasil pengujian internal: pada tugas rekonstruksi antarmuka, Solaris mengungguli model besar terdepan pada dua indikator, yaitu kemiripan struktural dan retensi informasi. Ada pula studi pengguna dengan 250 partisipan yang membandingkan kepatuhan terhadap instruksi, dan Solaris dipilih sebagai favorit oleh 61% partisipan.
Seluruh angka ini berasal dari Runway sendiri, dan belum ada evaluasi independen dari pihak ketiga. Angka 61% itu sendiri juga tidak terlalu besar — kira-kira, dari setiap 10 perbandingan, sekitar 6 memilih Solaris dan 4 memilih kelompok pembanding. Untuk prototipe riset yang baru dirilis, hasil ini cukup wajar, tetapi masih jauh dari "siap menggantikan perangkat lunak yang ada".
720p adalah Batas Keras
Runway sendiri mencantumkan empat keterbatasan: rendering teks yang tidak stabil, koherensi yang menurun dalam sesi panjang, akurasi faktual yang belum cukup untuk penggunaan komersial, dan API aksesibilitas yang belum terhubung.
Keterbatasan pertama dan keempat paling krusial. Rendering teks yang tidak stabil berarti antarmuka padat informasi seperti tabel, formulir, dan editor kode untuk sementara belum bisa diterapkan — satu angka yang salah digambar pun tidak akan disadari pengguna. Tanpa API aksesibilitas, pembaca layar tidak bisa membacakan apa pun, karena tidak ada struktur DOM yang bisa diurai di layar — yang ada hanya piksel.
Batas resolusi 720p juga menggariskan batasan lain. Resolusi ini cukup untuk aplikasi seluler, game ringan, dan interaksi bergaya demo; tetapi perangkat lunak produktivitas desktop dan dasbor data akan buram begitu ukuran font diperkecil agar muat di 720p.
Dari Model Video Menuju Sistem Operasi
Selama dua tahun terakhir, fokus Runway terus bergeser ke arah model dunia, dengan valuasi yang terdorong hingga sekitar 5,3 miliar dolar AS, dan narasi bisnisnya berubah dari "alat video AI" menjadi "mensimulasikan dunia". Solaris adalah produk pertama di jalur ini yang membidik perangkat lunak itu sendiri secara langsung — jika model video mensimulasikan dunia fisik, model dunia antarmuka mensimulasikan lapisan interaksi manusia-komputer.
Saat ini Solaris berada pada tahap akses awal, dengan formulir pendaftaran yang dipasang di situs resminya; Runway menyatakan akan meluncurkannya secara publik bersama beberapa mitra kunci terlebih dahulu. Bagi tim di luar itu, hambatan utama pada arah ini adalah data interaksi: agar model bisa mempelajari "apa yang terjadi jika titik ini diklik", dibutuhkan volume besar rekaman jejak interaksi antarmuka yang nyata, dan jenis data semacam ini butuh waktu jauh lebih lama untuk terkumpul dibandingkan data video.
Sumber: halaman riset resmi Runway, CocoLoop, AlphaSignal. Latensi interaksi, batas resolusi, dan angka preferensi dari studi pengguna 250 orang telah diperiksa satu per satu.