过去两年，AI 改造软件开发的主流思路是：人说需求，AI 写代码，再由代码渲染出界面。从 Copilot 到 Cursor 到各种 Coding Agent，模型接管了编程工作，但代码始终夹在想法和最终界面之间这一层，没被拿掉。
Runway 现在想把这一层也拿掉。
8月31日，Runway 公布了 Solaris，首个 Interface World Model——界面世界模型。核心主张是：软件界面能不能像视频一样逐帧实时生成？
需求 → 直接生成 UI，代码那层没了
传统的 AI 生成软件，流程是：需求 → 生成 HTML/CSS/JS → 浏览器把代码渲染成界面。Solaris 把中间那一步跳过了——你看到的就是模型直接画出来的画面，点一下、拖一下、输入一句话，模型根据当前状态实时生成下一帧。
具体来说，当你把一盏灯拖到新位置，模型会预测它在新位置后光影应该怎么变化，然后直接渲染出来。按钮、物体、场景都跟着你的操作实时变化，不需要开发者提前写好每个交互状态的代码。
一个更直觉的理解方式：以前 AI 做软件是「需求 → 生成代码 → 渲染 UI」，Solaris 尝试变成「需求 → 直接生成 UI」。
架构：语言模型 + 视频模型，双核驱动
Solaris 真正驱动的不是单独一个视频模型。Runway 把整个过程拆成了两个部分：
语言模型负责推理。它先理解用户想完成什么，判断当前场景应该发生局部变化还是切换到新状态，再生成指导视频模型生成的提示词。
视频模型负责渲染。基于 Gen-4.5 改造的 Solaris，把这个提示词变成下一帧画面，持续生成后续帧。
两个模型各司其职：一个决定应用下一步该做什么，一个决定这件事该怎样出现在屏幕上。
速度是工程难点，Runway 做了三层改造
视频扩散模型生成一帧通常需要几十步去噪，生成一段视频要数秒。这个速度对看视频可以接受，对鼠标交互就完全是另一个体验。
Runway 给 Solaris 做了三层工程改造：
第一，把生成过程变成逐帧自回归，当前帧只依赖已经出现的内容；第二，把多步去噪过程蒸馏到少数几步；第三，让加速后的模型用自己的生成结果做继续训练，减少长时间运行后的画面漂移。
最终达到了实时交互的生成速度，同时维持 Gen-4.5 的视觉质量。官方目标是在 720p 下保持长时间交互的视觉一致性。
真人盲测：61% 选 Solaris，24% 选 Claude
Runway 专门设计了两组实验来验证这条路线有没有意义。
第一组针对「翻译损失」。选取 30 个不同复杂度的界面，包括普通网页、图片密集型网页和自然图像，让包括 Claude Fable 5 在内的多模态模型根据单张截图重建界面。结果显示，随着界面复杂度增加，通过语言和代码重建界面的信息损失越来越明显。
第二组更直接：Solaris 和 Claude Opus 5 生成的代码界面从同一张图出发，接受相同的交互要求，让真人判断哪个更好。30 个交互案例，250 名参与者，接近 7500 次两两比较。结果：任务完成度，61% 选 Solaris，24% 选 Claude；自然程度，71% 对 21%。
离替代 App 还远，但方向值得盯
Solaris 现在还是研究预览，有几个硬问题没解决：每帧实时生成成本高于普通网页；文字稳定性差；长时间保持界面一致性是难题；无障碍支持还没有。
但这个方向本身值得注意。Runway 从视频生成走到世界模型，现在又往界面生成走了一步。它的设问是：如果操作系统里的 App 和网站，不再提前写好，而是在使用过程中实时生成，会发生什么？
这和 AI Coding 的方向正好相反。AI Coding 是让模型更好地写代码，Solaris 是问代码这层能不能直接不要。如果这条路最终跑通，未来 App 可能没有固定 UI 了——你需要什么，界面就现场生成什么。
不过这个距离现在还很远，先看着就好。