一句话看懂：Runway 正式发布首个“界面世界模型”Solaris，不再依赖传统代码和前端框架，而是以逐帧实时生成的方式动态渲染整个图形界面。它把“理解任务的大模型”和“实时渲染的世界模型”合二为一，可能改变下一代软件和应用的交互方式。
事件核心：发生了什么
Runway 于近期发布其“界面世界模型”系列的首款模型 Solaris，并已向重点合作伙伴开放早期访问申请。根据官方介绍，Solaris 建立在 Runway 此前发布的 Gen-4.5 视频生成模型基础之上，通过自回归生成机制和多步去噪蒸馏，将原本以秒甚至分钟计算的视频生成过程压缩为与人类交互节奏匹配的实时响应。
传统软件界面由两套割裂的系统构成：一套是擅长处理静态内容的大模型与搜索引擎，另一套是擅长动态渲染但缺乏任务理解能力的游戏引擎或前端代码。每次操作都需要通过代码或中间表示层显式定义，导致视觉表达受限。Solaris 的核心变化在于取消了中间代码翻译层，直接由世界模型逐帧生成界面并响应用户输入，不再依赖预写代码和固定框架。
在技术实现上，Solaris 通过大语言模型与世界模型的协同分工完成交互：前者解析用户意图并引导场景演进，后者负责实时视觉渲染。同时，模型通过持续训练保持长会话和多步交互的一致性，并控制推理成本。官方公布的基准测试和用户研究中，Solaris 在仅凭截图重建界面的多模态大模型对比中保留了完整视觉与语义状态，在 7500 多组配对比较中，其指令遵循准确度和行为自然度分别达到 61% 和 71%，均高于传统编码界面的独立 UI 更新方案。
为什么重要
Solaris 的意义在于把“生成”从内容创作延伸到了软件交互本身。长期以来，视频生成模型主要处理画面输出，而软件操作逻辑仍由确定性代码驱动。Solaris 尝试用生成式模型替代整个渲染管线，意味着“应用”这一产品形态的定义可能发生变化——软件不再是一个编译好的静态产物，而是一个可以根据用户意图实时重塑的动态场景。
从行业竞争角度看，Runway 将视频生成能力从单帧画面扩展到完整交互系统，这与其此前发布的 Gen-4.5 视频生成模型形成了能力上的延伸。目前公开信息显示，这一技术路线在速度和成本控制上仍需解决高精度实时文字生成、长期开放交互的视觉一致性，以及与现有读屏软件和辅助功能 API 的兼容问题。如果这些障碍被逐步克服，界面世界模型将直接冲击传统前端开发和软件工程的基础分工模式。
对用户/开发者/创作者的影响
对普通用户而言，Solaris 展示了一种更接近自然行为的软件使用方式——例如在虚拟服装店中直接用自己照片拖拽衣物参考，或通过语音指令让场景内物体随光线实时变化。这种交互不再受限于预设的按钮和菜单层级，而是以视觉反馈直接回应用户意图。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对开发者和创作者来说，这一变化意味着从前端编码到界面生成的范式转移。开发工作可能从“编写每个按钮的逻辑”转向“定义世界模型的行为规则和意图边界”。与此同时，视频生成领域的创作者需要关注的是，Runway 将模型能力从单纯生成画面升级为生成可交互系统，这可能催生一批新的工具链和 API 接口，用于控制界面状态、多步操作一致性以及指令解析。
对企业和采购方而言，在成本与稳定性问题尚未完全解决之前，短期内更适合将 Solaris 视为交互原型和体验验证工具，而非直接替代生产环境的界面系统。模型目前的推理成本虽已通过快速模型训练得到抑制，但长会话下的计算开销仍需要在实际业务场景中评估。
值得关注的后续
一是 Solaris 是否开放 API 及具体定价。早期访问申请已启动，但公开信息尚未披露商业化方案，价格和调用限制将直接影响开发者生态的建立速度。
二是高精度实时文字生成能否突破。视频生成领域中的文字渲染一直是难点，Solaris 若在界面场景中稳定生成清晰可读的文本，将大幅提升其可用性，否则仍局限于图形化的交互演示。
三是竞品是否跟进同一技术路线。目前 OpenA我去、Google 等公司都在推进多模态大模型和视频生成能力，但尚未有公开产品将“实时逐帧生成界面”作为主推特性。Solaris 落地的用户反馈将决定这一方向能否成为行业共识。
来源：AIbase
