Runway Solaris 即時逐幀生成介面；使用者測試中 61% 偏好其互動遵循，coded website 為 24%

Runway Solaris 即時逐幀生成介面；使用者測試中 61% 偏好其互動遵循，coded website 為 24%。核心概念 Runway 於 2026 年 8 月 31 日公布 Solaris，稱其為「Interface World Models」家族的第一個模型，並正與合作夥伴準備公開推出。Solaris 被描述成一種新的作業系統層：它不等應用程式先以程式碼完成，而是在使用者操作時即時生成介面，每一個畫面都根據前一畫面與最新互動持續合成。Runway 在 9 月 1 日的貼文中進一步表示，Solaris 在生成新介面的結構相似度與資訊保留方面優於 frontier LLMs；不過目前只能申請 early access，不應視為已全面公開可用。傳統軟體通常把視覺設計轉換成程式碼等中間表示，開發者必須事先定義每種行為。Runway 認為這會限制介面可能支援的互動，也會犧牲原始設計的視覺細節。Solaris 則讓渲染與互動由同一個 world model 一起處理，不再依賴中間表示，讓整個畫面本身成為介面。三項介面特性 Runway 將 Solaris 的新能力歸納為三個方向：Entirely visual：影像不只是介面外觀，而是應用程式本身。例如虛擬服飾店可以讓使用者拿起衣服、拖到自己的影像上試穿，或重新排列展示空間。 Alive：介面會持續渲染，不必等到下一次操作才更新。光線反射會變化，物件在拖曳時會自然回應；使用者也能直接說「Move the table so I can see how it looks」或「Change the color of the couch」來改變場景。 Open-ended：同一個場景不受開發時預想的流程限制，能根據即時互動產生不同反應。使用者不是依序點選固定選單，而是直接操作場景，例如把食材拖進碗裡完成沙拉，或在燃燒實驗中改變材料並觀察反應。影片展示的情境包括 Seasonal Bowl 餐點介面、標示 Mercury、Venus、Earth、Mars、Jupiter、Saturn、Uranus、Neptune 與 Sun 的太陽系互動場景、程式碼編輯器、巴黎鐵塔導覽、化學實驗、骨骼 X 光片，以及百科條目與網頁瀏覽介面。這些畫面屬於概念與 demo 展示，不能單獨視為正式規格或公開功能清單。Solaris 介面世界模型的概念展示與實際操作介面Agent 訓練用途 Solaris 不只被定位為生成網站與應用程式的工具，也被視為訓練 Agent 的動態環境。Runway 指出，現有文字型模型多半在固定版面的 coded interface 上訓練，因此即使能完成某個飯店網站的訂房，也可能無法適應另一個版面稍有不同的網站。Solaris 將點擊、拖曳與輸入文字納入後續畫面的生成，讓 Agent 能在持續變動、甚至從未存在過的 layout 中學習，而不是只記住預先看過的畫面。模型架構與生成流程 Solaris 建立在 Gen-4.5 影片生成模型上，並延續 GWM-1 general world model 的方向。Runway 將 LLM 與 world model 分工：LLM 解讀使用者意圖、判斷是修改目前場景還是切換到新場景、定義物件行為，並產生引導 Solaris 渲染狀態的 prompt；world model 則逐幀生成介面，呈現這些決策如何發生。其即時化主要經過三個階段：讓模型以 autoregressive 方式生成畫面，每一幀只依賴先前畫面。 將原本需要許多 denoising steps 的流程蒸餾成少數幾步。 讓快速模型使用自己的輸出持續訓練，以維持長時間互動中的視覺品質。使用者先提供品牌環境或產品場景等 starting state，模型再即時串流畫面；點擊、拖曳或輸入文字會成為下一批畫面的條件。由於互動意義以自然語言描述，而非事先寫死，場景中的每個物件都可能成為新的工具，例如點擊貓咪後，後續點擊可能把其毛色與材質套用到其他物件上。評測結果 Runway 表示，Solaris 的設計重點包括即時互動、整個 session 的一致性，以及維持 720p 的視覺品質。互動延遲約在半秒左右時，使用者便可能不再感覺自己正在互動；相較標準影片 diffusion model 需要數秒到數分鐘生成影片，Solaris 的逐幀生成方式速度更快，且 Runway 稱其執行成本已便宜「數個數量級」，但每幀生成仍比一次提供已建好的頁面昂貴，實際延遲、成本與品質仍需在目標工作負載中驗證。在一項涵蓋 250 名參與者、30 個互動案例的使用者研究中，Runway 收集了近 7,500 次成對判斷：判斷是否遵循指定互動時，Solaris 獲選比例為 61%，coded result 為 24%，另有 13% 被評為相當。 判斷場景中的行為是否自然時，Solaris 獲選比例為 71%，coded website 為 21%，另有 6% 被評為相當。Runway 認為，coded interface 即使能完成要求，往往只是把互動當成孤立的介面更新；Solaris 則利用對物件、材質與環境行為的理解，生成更符合整體場景的反應。不過公告節錄未交代完整任務選擇、baseline 設計與統計方法，因此上述結果仍應視為 Runway 的第一方研究主張。現階段限制 Runway 明確列出 Solaris 尚未克服的問題：文字：穩定且易讀的文字仍是影片生成的難題，而介面高度依賴文字。Runway 提出混合系統的可能方向：可接受短暫等待時，用影像模型處理文字密集畫面，影片模型則負責連續互動；完全即時生成可讀文字仍是未解問題。 Trust：在教學或商業情境中，令人信服但錯誤的答案可能比沒有答案更糟。當前 Solaris 主要依靠使用者提供的 starting frame，以真實產品影像與參考資料固定場景；如何在 session 中持續加入已驗證的參考影像、產品資料與文件，仍在研究。 長 session：長時間、開放式互動下維持視覺與語意一致性，仍是進行中的研究。 無障礙與整合：生成介面仍須與既有軟體堆疊、螢幕閱讀器及 accessibility API 協作，不能因彈性提高而犧牲可用性。因此，Solaris 目前更像是朝新作業系統層邁進的研究性 early step，而非可直接取代所有網站與應用程式的成熟方案。Runway 的核心主張是，介面將可能從固定 app 與頁面，轉向依使用者意圖即時生成的環境；但這項轉變仍受文字可讀性、可靠性、長期一致性、成本，以及與既有軟體生態系整合等條件限制。Solaris 介面世界模型的概念展示與實際操作介面 影片中的 Prompt 與操作：Prompt（00:36）： Prompt input Sella Ronda。搭配彩虹條紋袖子的白灰兩色團隊車衣、白色空力安全帽、深色吊帶車褲。領騎車手距離鏡頭最近，站姿抽車且全力踩踏，咬緊牙關、呼吸沉重。後方三人緊貼著他的破風尾流、以緊密陣形低頭穩定踩踏。 道路是濕潤的深色柏油路，反射著平板的光線，低矮的雲層與濃霧籠罩著山隘，濃密得足以讓幾公尺外的所有景物變得柔和。陡峭的草坡與雪坡向左側升起，右側則是地面向下延伸至深灰色的石灰岩峭壁谷底，隱約可見熟悉...原文：Prompt input Sella Ronda. Matching white and grey team-kit with rainbow-striped sleeves, white aero helmets, dark bibs. The lead rider is closest to camera, out of the saddle and pushing hard, jaw set, breathing heavily. The three behind sit in his slipstream in close formation, heads down, turning steadily. The road is wet dark asphalt reflecting the flat light, low cloud and fog hang across the pass, thick enough to soften everything beyond a few hundred meters. Steep grass and snow slopes rise to the left, to the right the ground falls away toward a valley floor in deep grey limestone rock faces are familar visible thrPrompt（00:37）： 4o-7c：道路平緩過彎。車隊 Output 30 Sec 1080p Audio Y HDR: Profiles 4444原文：4o-7c:…