Runway 公布了 Solaris，一种被称为“Interface World Model（界面世界模型）”的新型研究系统。它尝试跳过“先把设计翻译成代码、再由代码渲染页面”的传统路径，直接让世界模型根据点击、拖拽和文字指令逐帧生成界面。
需要先澄清：Solaris 目前仍是早期研究和合作伙伴测试项目，不是已经公开上线、可以替代传统开发的无代码操作系统。Runway 的站内入口与能力介绍已同步更新：Runway – AI 视频与世界模型创作平台。
一、Solaris 是什么？让“画面本身”成为应用
传统软件通常由数据、业务逻辑和界面代码共同构成。即使 AI 能生成一张精美的产品页面，开发者仍要用 HTML、CSS、JavaScript 或原生组件把它变成真正可点击、可计算、可访问的产品。
Solaris 提出的路线更激进：世界模型持续生成屏幕上的每一帧，并把用户动作纳入下一帧预测。点击、拖拽和输入文字不再只是触发预先写好的事件，也可以成为模型改变视觉世界的条件。
二、它为什么不等于“AI 生成网页”？
AI 编程工具生成网页时，最终交付的仍是组件、DOM、样式和逻辑代码；运行时由浏览器确定性地执行这些结构。Solaris 则把整个视觉状态当成生成对象：模型不仅改变按钮，也要同时维护周围材质、光影、物体和空间关系。
这种方法可能保留更丰富的视觉细节，也允许同一场景出现开发者没有预先枚举的互动。但它同时失去传统程序的部分确定性：视觉上“看起来正确”不代表背后的价格、库存、权限或计算结果一定正确。
三、虚拟商店演示：衣服和陈设都能直接拖动
在 Runway 展示的虚拟服装店中，店面本身就是应用界面。用户可以从衣架上拿起衣服，把它拖到人物身上试穿，或重新摆放陈设。模型根据当前画面和用户动作持续生成后续状态。
传统网站需要提前定义可点击区域、拖拽目标、碰撞规则和触发结果；Solaris 希望让世界模型根据视觉和上下文推断“这个动作之后应该发生什么”。
四、界面可以是一间房、一张桌子或一幅画
当每个像素都能参与交互，界面不再局限于按钮、菜单和卡片。用户可以要求移动家具、改变沙发颜色，或让场景中的物体呈现持续运动和光影变化。
这类“活界面”更接近游戏世界、空间计算和互动影像，而不是传统表单软件。它可能首先影响品牌体验、互动教育、产品展示和创意原型，而不是财务、医疗或企业审批系统。
五、一个动作可以产生不同结果：开放性也是不确定性
官方用手部 X 光图像演示了同一次拖拽可能触发完全不同的视觉变化。因为交互意义可以由自然语言定义，同一个对象不再被固定绑定到一种功能。
开放性适合探索和创意，但商业软件还需要一致、可解释和可审计的行为。如果同一动作在不同时间产生不可预测结果，用户就很难建立稳定预期。因此未来更可能出现“生成式视觉层 + 确定性数据和业务逻辑”的混合架构。
六、技术基础：Gen-4.5 加上 GWM-1 世界模型路线
Solaris 并非完全从零开始训练。官方说明它建立在 Runway Gen-4.5 视频模型之上，并延续 GWM-1 通用世界模型的技术方向。用户输入被作为下一帧的条件，与文字或参考图像一起参与生成。
模型只观察已经发生的交互，不读取未来动作，因此学习的是“当前视觉状态 + 已发生操作”与后续画面之间的关系。其目标不是精确执行坐标变化，而是预测在视觉与语义上合理的下一状态。
七、实时生成怎么实现？自回归、蒸馏与自生成训练
标准视频扩散模型往往需要数十步去噪，延迟不适合鼠标交互。Runway 对 Solaris 进行了三阶段改造：先让模型以自回归方式逐帧生成；再把多步去噪蒸馏到少数几步；最后让加速模型继续使用自己的输出训练，降低长时间生成时的画面漂移。
官方目标是在 720p 视觉质量下实现实时交互，并把延迟控制在用户仍能感到“即时响应”的范围内。不过，官方没有将演示等同于所有设备、所有场景下的稳定服务指标。
八、语言模型负责推理，世界模型负责渲染
真正驱动 Solaris 的不是单一视频模型。语言模型先理解用户目标，判断应该修改当前场景还是切换状态，并生成指导视觉模型的提示；Solaris 再把这个决策渲染为连续画面。
这种“推理—渲染”分工与软件中的逻辑层、显示层有些相似，但两层都具有生成性。它能提升表现力，也带来新的测试问题：不仅要验证模型是否理解意图，还要验证视觉结果是否准确表达了意图。
九、所谓“翻译损失”：复杂视觉很难完整变成代码
Runway 选择 30 个不同复杂度的界面和自然图像，让多模态模型根据单张截图重建界面，并使用 SSIM 与 DINOv3 特征衡量结构和视觉信息保留程度。官方观察到，视觉越复杂，从图像经过语言或代码再重建时的信息损失越明显，自然图像尤其困难。
这项实验支持“直接在视觉空间工作”的研究动机，但并不证明代码本身是低保真媒介。传统程序可以直接使用原始图片、3D 资产和视频，也能通过设计系统保持一致性；实验更准确地衡量了当前模型依据单张截图进行自动重建的能力。
十、Solaris 与代码界面的用户研究结果
Runway 让 Solaris 与 Claude Opus 5 生成的代码界面从相同图片出发，接受同样的交互要求。250 名参与者对 30 个案例做了接近 7500 次两两比较。
在“更好遵循交互指令”方面，Solaris 获得 61% 偏好，代码方案为 24%，13% 被判定相当；在“行为更自然”方面，Solaris 为 71%，代码方案为 21%，6% 被判定相当。结果说明在官方选定的视觉交互任务中，生成整个场景更容易保持环境连贯性，但不能直接外推到表单、数据库和企业软件。
十一、对 Computer Use Agent 的意义可能更大
当前计算机操作 Agent 容易记住特定网站的按钮位置和布局，换一个页面就可能失效。Solaris 可以从同一任务生成大量不同布局、视觉对象和交互路径，迫使 Agent 根据目标和当前画面寻找可用操作，而不是背诵坐标。
这种动态训练环境可能成为世界模型的重要用途：提供规模化、持续变化的模拟界面，并让 Agent 观察动作后果。类似方向也可与其他实时世界模型对照阅读：MoWorld 50FPS 实时交互世界模型解析。
十二、它暂时不能替代传统软件开发的四个原因
- 文字稳定性：实时视频生成仍难长期保持可读、准确的文字，而界面高度依赖文字。
- 可信度：视觉上合理的答案可能在事实或业务数据上错误，商业场景需要可验证数据源。
- 长会话一致性：开放式交互越久，物体身份、布局和语义漂移越难控制。
- 无障碍与集成：生成画面必须连接屏幕阅读器、无障碍 API、权限、支付和现有软件栈。
因此近期更现实的路线是混合系统：世界模型负责丰富的视觉互动，确定性代码负责关键数据、权限、交易、日志和无障碍语义。
十三、Runway 真正想做的是“模拟器”，不只是视频生成器
从 GWM-1 的可探索环境、机器人模拟，到 Solaris 的界面世界模型，Runway 的路线正在变得清晰：视频生成是底层能力，长期目标是让模型模拟一个可行动、可观察后果、可持续变化的环境。
这与普通 AI 视频工具的差异，在于输出不再只是供人观看的片段，而是可以被人或 Agent 反复操控的状态空间。关于 Runway 的模型与产品入口，可通过站内 Runway 导航页访问。
十四、上线状态：目前需要申请，不是开箱即用产品
Runway 表示正在与重点合作伙伴推动 Solaris 公开发布，并提供早期访问申请表。这意味着现阶段用户不能把它当作已普遍开放的网页生成工具，也无法根据研究演示推断最终价格、API、部署方式和使用限制。
对设计师和开发者而言，当前最值得关注的是交互范式和混合架构，而不是立即重写现有产品技术栈。
十五、结论：未来界面可能被生成，但确定性软件不会立刻消失
Solaris 展示了一种不同的软件想象：应用不再完全由预先写好的页面组成，而可以根据目标、场景和动作实时生成。它对品牌体验、互动教育、创意原型和 Agent 训练具有明显潜力。
但界面软件不只需要“像真的”，还需要数据正确、行为稳定、权限清晰、可被辅助技术理解。Solaris 更像未来生成式软件的一块新拼图，而不是已经完成的操作系统替代品。
常见问题
Solaris 是什么？
它是 Runway 的界面世界模型研究，通过世界模型逐帧生成界面，并根据点击、拖拽和文本输入实时改变画面。
Solaris 可以不用代码直接开发正式 App 吗？
目前不适合。它仍处于早期研究阶段，文字、可信度、长会话一致性、无障碍和软件集成问题尚未解决。
Solaris 已经开放使用了吗？
目前官方以合作伙伴和早期访问申请方式推进，并非面向所有用户开放的成熟产品。
Solaris 为什么适合训练 Agent？
它可以为同一任务生成大量变化的布局和交互路径，帮助 Agent 学习目标与视觉语义，而不是只记住固定按钮位置。
