Runway公司近日发布了一项突破性成果——名为Solaris的“界面世界模型”，这一创新被视为操作系统领域的重大变革。该系统无需编写代码，即可实时生成交互式界面，用户只需通过简单的点击或拖拽操作，系统便能根据当前画面动态生成下一帧内容。
在盲测对比中，Solaris生成的用户界面效果显著优于Claude Opus 5等传统代码驱动的界面。Runway联合创始人Cristóbal Valenzuela提出，视频将成为未来的通用界面形式，所有用户交互最终将简化为聊天和手势输入，输出则通过聊天和视频实现。Solaris的推出正是这一愿景的初步实践。
传统操作系统依赖代码将设计转化为可运行界面，但这一过程存在明显缺陷：视觉保真度因性能优化被削弱，交互空间在发布前即被固定，导致用户操作的可能性被提前限制。Solaris通过直接将视频模型集成到操作系统中，消除了中间代码层，将界面渲染与操作响应合二为一。
该系统具备三大核心优势：首先，界面完全视觉化，用户可直接通过图像操作实现目标，例如在虚拟试衣间中拖拽衣物完成试穿；其次，界面具备动态适应性，光影效果和物体响应会随环境变化，用户可通过语音指令实时调整场景；最后，交互方式突破预设限制，例如制作沙拉时无需通过菜单选择食材，直接拖拽即可触发AI响应。
实现实时交互面临三大技术挑战：速度方面，视频生成模型通常存在延迟，无法满足即时响应需求；连贯性上，视频内容的一致性难以保障；成本层面，逐帧生成对计算资源要求极高。为解决这些问题，Solaris基于Runway的Gen-4.5视频模型构建，并延续了GWM-1世界模型的技术路径。
系统通过三层架构实现高效运行：自回归生成层依赖历史帧逐帧推演，确保新动作及时融入生成链路；蒸馏层将扩散模型的去噪步骤压缩，提升处理速度；自训练层利用模型输出持续优化，减少长序列生成中的误差累积。Solaris采用“双脑系统”设计，大语言模型负责理解用户意图并规划场景演变，Solaris则专注视觉渲染，实现推理与呈现的分离。
对比测试显示，随着界面视觉复杂度提升，传统多模态模型重建网页的质量显著下降，而Solaris在动态交互测试中表现优异。在250名参与者进行的近7500次对比中，Solaris的指令遵循率达到61%，自然流畅度更以71%对21%形成压倒性优势。尽管系统在文字清晰度、长程连贯性等方面仍存在不足，但其突破性意义已获广泛认可。
Solaris的推出预示着应用生态可能发生根本性转变。未来，用户无需为不同任务下载专用应用，系统将根据上下文和意图实时生成适配界面。例如，查询化学燃烧反应时，用户可直接通过交互界面对比不同物质的燃烧现象，获取信息的方式将从静态展示升级为动态探索。这一变革或将重新定义人机交互的基本规则。
