IWM
Jak działa
Model generuje interfejs autoregresyjnie, klatka po klatce, gdzie każda klatka zależy tylko od poprzednich. Wejście użytkownika (kliknięcia, przeciągnięcia) jest traktowane jako warunkowanie kolejnej klatki, tak samo jak tekst czy obraz. W Solaris zastosowano podejście hybrydowe: model językowy (LLM) interpretuje żądania użytkownika i decyduje, jak interfejs ma ewoluować, a model świata odpowiada za samo generowanie warstwy wizualnej. Renderowanie musi być na tyle tanie, by nadążać za użytkownikiem — interakcje przestają być odczuwane jako interaktywne przy opóźnieniu rzędu pół sekundy.
Rozwiązany problem
Tradycyjne interfejsy wymagają konwersji projektu wizualnego na pośredni kod, a interakcje traktują jako izolowane aktualizacje stanu. IWM eliminuje warstwę kodu i renderuje interfejs bezpośrednio, zachowując spójność sceny, bo model rozumie, jak zachowują się obiekty, materiały i otoczenie.
Komponenty
Generuje warstwę interfejsu klatka po klatce; każda klatka zależy wyłącznie od poprzednich.
LLM interpretuje żądania użytkownika i decyduje, jak interfejs ma ewoluować.
Kliknięcia, przeciągnięcia i inne interakcje są używane jako sygnał warunkujący kolejną klatkę.
Implementacja
Stabilny, czytelny tekst pozostaje jednym z najtrudniejszych problemów w generowaniu wideo.
Generowane odpowiedzi mogą być przekonujące, a jednocześnie niepoprawne.
Spójność degraduje się podczas rozszerzonych, otwartych interakcji.
Integracja z czytnikami ekranu i API dostępności pozostaje nierozwiązana.
Ewolucja
31 sierpnia 2026 Runway ogłasza Solaris jako pierwszy model nowej rodziny Interface World Models.
Hiperparametry (konfigurowalne osie)
Solaris celuje w jakość wizualną utrzymaną w 720p.
Interakcje przestają być odczuwane jako interaktywne przy opóźnieniu rzędu pół sekundy.
Paradygmat wykonania
Każda klatka jest generowana warunkowo względem poprzednich klatek oraz wejścia użytkownika.
Równoległość
Generacja jest autoregresyjna — klatka zależy od poprzednich, co wymusza sekwencyjność w czasie inferencji.