A Runway lançou o Solaris, chamado pela empresa de seu primeiro "modelo de mundo de interface". Diferente das ferramentas que ajudam a escrever código front-end, o Solaris não produz código: ele produz imagens diretamente. Cada quadro de interface que o usuário vê é gerado pelo modelo em tempo real, e ações como clicar e arrastar são realimentadas ao modelo como condições de geração, alterando o quadro seguinte.
A Runway divulgou dois indicadores de operação: a latência de interação fica abaixo de meio segundo, e a qualidade de imagem se mantém em 720p. Esses dois números definem o que o Solaris consegue e o que ainda não consegue fazer.
Cliques tratados como sinais condicionais
A estrutura do Solaris combina um modelo de mundo com um modelo de linguagem. O modelo de linguagem entende o pedido do usuário e decide se a ação deve alterar a cena atual ou trocar para uma nova cena; o modelo de mundo desenha o resultado dessa decisão. Todo o processo avança quadro a quadro, e o modelo aprendeu sozinho, durante o treinamento, "o que acontece ao clicar aqui" — ninguém escreveu funções de callback para os botões.
Isso diverge claramente da linha dominante de interfaces geradas por IA. Nos últimos dois anos, a abordagem padrão dos grandes modelos para criar UI foi gerar código HTML e React, que depois é renderizado pelo navegador, com o comportamento da interface ainda determinado pelo código. O Solaris engole inteira essa camada de renderização: a imagem na tela é, ela mesma, a aplicação.
61% das preferências
A Runway divulgou um conjunto de resultados de autoavaliação: em tarefas de reconstrução de interface, o Solaris superou modelos de ponta em similaridade estrutural e retenção de informação; há ainda um estudo com 250 participantes no qual, na comparação de aderência a instruções, o Solaris foi preferido em 61% das vezes.
Todos esses números vêm da própria Runway; até agora não há nenhuma avaliação independente de terceiros. A proporção de 61% também não é uma diferença esmagadora — fazendo as contas, a cada 10 comparações, cerca de 6 escolheram o Solaris e 4 escolheram o modelo de comparação. Para um protótipo de pesquisa recém-lançado, é um resultado razoável, mas ainda está longe de "poder substituir o software existente".
720p é um teto rígido
A própria Runway lista quatro limitações: renderização de texto instável, perda de coerência em sessões longas, precisão factual insuficiente para uso comercial, e API de acessibilidade ainda não integrada.
A primeira e a quarta limitações são as mais graves. A renderização instável de texto significa que interfaces densas em informação, como tabelas, formulários e editores de código, ainda não são viáveis — um número desenhado errado passa despercebido pelo usuário. Sem a API de acessibilidade integrada, leitores de tela não conseguem ler nada, porque não há estrutura DOM para analisar na tela, apenas pixels.
O teto de resolução de 720p também traça uma linha clara. Aplicativos móveis, jogos pequenos e interações demonstrativas funcionam bem nessa resolução; já softwares de produtividade para desktop e painéis de dados ficam borrados em 720p quando o tamanho da fonte diminui.
Do modelo de vídeo ao sistema operacional
O foco da Runway nos últimos dois anos vem migrando cada vez mais para modelos de mundo, com a avaliação da empresa já em torno de US$ 5,3 bilhões, e a narrativa de negócio mudou de "ferramenta de vídeo com IA" para "simulação do mundo". O Solaris é o primeiro produto dessa linha a mirar diretamente no próprio software — modelos de vídeo simulam o mundo físico, enquanto o modelo de mundo de interface simula a camada de interação humano-máquina.
Por enquanto, o Solaris está em fase de acesso antecipado, com um formulário de inscrição disponível no site oficial; a Runway diz que vai avançar primeiro com alguns parceiros-chave antes de uma disponibilização pública mais ampla. Para equipes que queiram seguir essa direção, a barreira está nos dados de interação: para o modelo aprender "o que acontece ao clicar aqui", é preciso uma grande quantidade de trajetórias reais de interação com interfaces, e o ciclo de acúmulo desse tipo de dado é muito mais longo do que o de vídeo.
Fontes: página oficial de pesquisa da Runway, CocoLoop, AlphaSignal; a latência de interação, o teto de resolução e a taxa de preferência do estudo com 250 participantes foram conferidos item a item.