Runway推出了Solaris,稱其為公司第一個「介面世界模型」。跟那些協助撰寫前端程式碼的工具不同,Solaris不會產出程式碼,而是直接產出畫面:使用者看到的每一幀介面都由模型即時生成,點擊、拖曳這些動作會被當成生成條件回饋給模型,下一幀畫面隨之改變。
Runway公布的運作指標有兩項:互動延遲控制在半秒以內,畫質維持在720p。這兩個數字決定了它目前能做什麼、不能做什麼。
點擊被當成條件訊號
Solaris的架構是世界模型加上語言模型。語言模型負責理解使用者的請求,並判斷這次操作應該在目前場景中改動,還是切換到一個新場景;世界模型則負責把判斷結果畫出來。整套流程按幀推進,模型自己從訓練資料中學會「點這個位置會發生什麼」,並沒有人替它寫過按鈕的回呼函式。
這跟目前主流的AI生成介面路線分歧得相當明顯。過去兩年,大型模型處理UI的做法多半是產生HTML、React程式碼,再交給瀏覽器渲染,介面的行為仍然由程式碼決定。Solaris把渲染這一層整個吃掉了,螢幕上的畫面本身就是應用程式。
61%的偏好票
Runway公布了一組自測結果:在介面重建任務上,Solaris在結構相似度與資訊保留兩項指標都領先前沿大型模型;另外還有一項250人參與的使用者研究,在指令遵循度的比較中,Solaris有61%的比例被參與者優先選中。
這組數字全部來自Runway自家統計,目前還沒有任何第三方獨立評測。61%這個比例本身也不算懸殊,粗略換算,每10次比較大約6次選它、4次選對照組。對一款剛推出的研究原型來說,這個成績算是說得過去,但距離「可以取代現有軟體」還有相當長的一段路。
720p是個硬天花板
Runway自己列出的限制有四項:文字渲染不穩定、長對話中連貫性會下降、事實準確度還不足以支撐商用、無障礙API尚未串接。
第一項和第四項最要命。文字渲染不穩定,意味著表格、表單、程式碼編輯器這類資訊密度高的介面暫時都不成立,一個數字畫錯,使用者根本看不出來。無障礙API沒串接,螢幕報讀軟體就讀不到任何內容——畫面上根本沒有可供解析的DOM結構,只有像素。
720p的解析度上限同樣劃下一條界線。手機應用程式、小型遊戲、展示型互動在這個解析度下綽綽有餘;桌面生產力軟體、資料儀表板一旦放到720p裡,字級一縮小就會糊成一片。
從影片模型走向作業系統
Runway這兩年的重心持續往世界模型移動,估值已經推升到53億美元左右,業務敘事也從「AI影片工具」改成了「模擬世界」。Solaris是這條路線上第一個把目標對準軟體本身的產品——影片模型模擬的是實體世界,介面世界模型模擬的則是人機互動這一層。
目前Solaris處於早期試用階段,官網上放了一份申請表單,Runway表示會先與幾家重要合作夥伴一起把它推向公開。對其他地區的團隊來說,這個方向的門檻在於互動資料:模型要學會「點這裡會發生什麼」,就需要大量真實的介面操作軌跡,而這類資料的累積週期比影片長得多。
參考來源:Runway官方研究頁面、CocoLoop、AlphaSignal;互動延遲、解析度上限與250人使用者研究的偏好比例均已逐項核對。