Runway 正式发布了 Solaris，这是其全新“界面世界模型（Interface World Model）”家族中的首款产品。Solaris 提出了一个颠覆性的问题：如果操作系统能在使用者交互的同时，实时生成应用程序和网站，会发生什么？
- 官方介绍：https://runway.com/news/research/introducing-solaris
不同于传统软件将视觉设计转换为代码（中间表示）的固定流程，Solaris 直接逐帧渲染界面本身。它消除了设计与实现之间的转换损耗，使界面能够像物理世界一样，对用户操作做出连续、自然且像素级完美的响应。
核心突破：从“静态页面”到“活的环境”
Solaris 为软件带来了三项前所未有的能力：
- 完全视觉化 (Fully Visual)：
- 图像本身就是应用程序。无需在视觉效果之下隐藏代码逻辑。
- 例如，在虚拟服装店中，用户可以直接拖拽衬衫试穿，或像整理实体店陈列一样重新排列商品，所有交互均基于视觉理解而非预设按钮。
- 它是活的 (Alive)：
- 应用处于连续渲染状态，随光线变化反射移动，物体在被操作时自然响应。
- 用户只需说“移动桌子”或“改变沙发颜色”，界面即刻演变，感觉更像是在与一个活生生的环境互动，而非浏览脚本化的网页。
- 开放式交互 (Open-Ended)：
- 摆脱了开发者预定义的工作流限制。Solaris 能实时响应用户从未预期过的交互行为。
- 例如，点击一只猫后，后续的点击可以将猫的皮毛纹理应用到任何触摸到的物体上；点击一幅画，则可以开始以该画的风格进行绘画。
技术原理：推理与渲染的分离
Solaris 基于 Runway 的 Gen-4.5 视频生成模型适配而来，解决了速度、连贯性和成本三大工程挑战：
- 学习交互：将用户的点击、拖拽等输入视为下一帧生成的条件信号，模型通过观察历史交互学习因果关系，无需显式编程。
- 实时运行：
- 自回归生成：每帧仅依赖前一帧内容。
- 蒸馏去噪：将多步去噪过程压缩为仅几步。
- 快速模型训练：在自身输出上训练快速模型，确保长时间交互中的视觉稳定性。
- 双模型协同：
- LLM (推理层)：解释用户意图，决定场景演变逻辑，生成引导提示。
- Solaris (渲染层)：根据提示实时生成每一帧界面，处理视觉响应。
性能评估：超越编码界面
在针对 30 个不同界面的测试中，Solaris 展现了显著优势：
- 信息保留：传统多模态 LLM 在从截图重建界面时会丢失大量视觉细节（尤其是自然图像），而 Solaris 直接在视觉层面操作，从第一帧起就保留完整状态。
- 用户偏好研究：在与 Claude Opus 5 生成的编码界面对比中：
- 遵循指令：61% 的用户更偏好 Solaris。
- 自然行为：71% 的用户认为 Solaris 的交互更自然、更连贯，因为它理解对象、材料和环境的物理行为，而非孤立地更新 UI 元素。
当前局限与挑战
尽管前景广阔，Solaris 目前仍面临以下挑战：
- 文本生成：稳定、清晰的实时文本渲染仍是难点，未来可能采用混合系统（图像模型处理文本密集视图，视频模型处理连续交互）。
- 信任与准确性：需通过起始帧锚定真实产品数据，防止生成“有说服力的错误答案”。
- 长会话连贯性：在长时间开放式交互中保持语义一致性仍在研究中。
- 可访问性：需进一步集成屏幕阅读器等辅助技术 API。
未来展望：新型交互范式
Solaris 预示着软件形态的根本性转变：
- 应用不再是交互单位：软件不再被分类到固定的应用目录中，而是根据用户意图即时生成所需界面。
- 超个性化体验：店面布局、产品推荐甚至品牌视觉风格可围绕每个用户的意图实时重塑。
- 动态教程：教程不再重放固定序列，而是在用户上下文中实时渲染下一步，并随用户进度自适应调整。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
