Runway Solaris chce zamienić interfejsy programów w żywe światy AI

Runway Solaris proponuje zmianę samego sposobu myślenia o aplikacjach. Zamiast wczytywać wcześniej zaprogramowany interfejs z określonym zestawem ekranów, system ma nieustannie generować to, co użytkownik widzi. Ekran zmienia się po kliknięciu, przeciągnięciu elementu, wpisaniu tekstu albo wydaniu polecenia w języku naturalnym. 38

To coś więcej niż narzędzie typu no-code. Solaris próbuje zastosować podejście znane z tzw. modeli świata do interfejsów programów — ekran nie jest tu wynikiem działania stałej implementacji, lecz kolejnym stanem wizualnym generowanym w toku interakcji.

Czym jest Runway Solaris?

Runway zaprezentowało Solaris 31 sierpnia jako eksperymentalny „Interface World Model”, czyli model świata interfejsów. W tradycyjnym podejściu programista pisze HTML, CSS i JavaScript, a przeglądarka renderuje gotowy rezultat. Solaris pomija ten etap: bezpośrednio generuje widoczną warstwę aplikacji.

Doświadczenie może rozpoczynać się od obrazu referencyjnego — na przykład sceny produktowej, określonego stylu marki albo wizualnego środowiska. Model buduje wokół niego interfejs, a następnie aktualizuje go w odpowiedzi na działania użytkownika. Nie ma tu klasycznych, wcześniej przygotowanych ekranów, które twórcy musieliby przewidzieć jeden po drugim. System próbuje wygenerować to, co powinno pojawić się w następnej chwili.

To podejście ma znaczenie zwłaszcza w przypadku bogatych wizualnie interfejsów. Przełożenie obrazu lub pomysłu na kod może oznaczać utratę części szczegółów. Solaris traktuje scenę wizualną jako główny rezultat, co — według Runway — ma pomóc zachować jej spójność i bardziej naturalne zachowanie podczas interakcji.

Jak Solaris tworzy interaktywny interfejs?

System rozdziela interpretację działania użytkownika od generowania obrazu, który pokazuje jego rezultat.

1. Użytkownik wydaje polecenie lub wykonuje działanie. Może kliknąć obiekt, przeciągnąć element, wpisać tekst albo opisać w języku naturalnym oczekiwaną zmianę.
2. Model językowy interpretuje intencję. Ustala, co powinno wydarzyć się dalej, czy scena ma się zmienić oraz jak opisać żądane zachowanie modelowi wizualnemu. 38
3. Model świata interfejsu generuje następny stan. Zamiast zwrócić zakodowaną stronę, Solaris tworzy kolejną klatkę wizualną na podstawie działania i wcześniejszych klatek.
4. Proces jest powtarzany. Każde następne działanie staje się częścią kontekstu dla kolejnych klatek, dzięki czemu interfejs może rozwijać się ciągle, a nie przeskakiwać między zamkniętym zestawem ekranów.

Warstwa wizualna korzysta z technologii generowania wideo Runway Gen-4.5. Dokumentacja deweloperska opisuje Gen-4.5 jako model do generowania wideo z tekstu oraz obrazu, natomiast Solaris wykorzystuje tę bazę w interaktywnym, autoregresyjnym trybie. 46

Co ma umożliwić działanie w czasie rzeczywistym?

Generowanie nowego obrazu po każdym działaniu użytkownika różni się od stworzenia krótkiego filmu. Solaris wykorzystuje więc kilka technik, które mają ograniczać opóźnienia i utrzymywać jakość podczas dłuższej sesji.

Sekwencyjne generowanie klatek

Model tworzy klatki autoregresyjnie — każdą na podstawie tego, co pojawiło się wcześniej. Dzięki temu po działaniu użytkownika może kontynuować istniejący stan wizualny, zamiast za każdym razem zaczynać generowanie od niezależnego rezultatu.

Destylacja do szybszego modelu

Runway deklaruje, że wolniejszy model dyfuzyjny, pełniący rolę „nauczyciela”, został wykorzystany do wytrenowania szybszego modelu wymagającego tylko niewielkiej liczby kroków odszumiania. Celem jest ograniczenie obliczeń potrzebnych do przygotowania każdej odpowiedzi przy zachowaniu jakości wystarczającej do interakcji.

Uczenie na własnych wynikach

Firma informuje również, że szybki model trenowano na jego własnych, wcześniej wygenerowanych wynikach. Ma to ograniczać pogarszanie jakości w długiej sekwencji zależnych od siebie klatek, w której drobne błędy mogłyby z czasem narastać.

Runway wskazuje jako cele badawcze opóźnienie interakcji poniżej około pół sekundy, spójność przez całą sesję oraz jakość obrazu na poziomie 720p. Są to założenia prototypu, a nie gwarancja, że każda interakcja z Solarisem będzie spełniała te parametry.

Jak Solaris wypadł na tle interfejsów tworzonych kodem?

Runway opisuje badanie z udziałem 250 osób, obejmujące około 7500 porównań parami w 30 przykładach interakcji. Uczestnicy zestawiali interfejsy wygenerowane przez Solaris z interfejsami przygotowanymi jako kod przez Claude Opus 5.

Według przedstawionych wyników uczestnicy częściej wybierali Solaris:

• w 61 proc. przypadków pod względem realizacji instrukcji;
• w 71 proc. przypadków pod względem naturalności zachowania.

Wyniki sugerują, że w niektórych scenariuszach generowane interfejsy mogą wydawać się bardziej spójne wizualnie lub intuicyjne w obsłudze. Nie dowodzą jednak, że Solaris jest ogólnie lepszy od tradycyjnego oprogramowania. Badanie dotyczyło subiektywnych ocen interakcji, a nie niezawodności, poprawności, bezpieczeństwa, łatwości utrzymania, kosztów, wydajności czy dostępności cyfrowej. Dostępne materiały nie pozwalają też niezależnie ocenić pełnej metodologii ani analizy statystycznej badania.

Najważniejsze ograniczenia Solarisa

Mechanizm, który daje systemowi elastyczność, tworzy jednocześnie poważne problemy inżynieryjne i produktowe.

Tekst nadal bywa niestabilny

Czytelne i poprawne napisy od dawna są trudnym problemem w generowaniu obrazów i wideo w czasie rzeczywistym. Interfejs może wyglądać efektownie, a jednocześnie zawierać błędne etykiety, liczby, menu lub instrukcje. Runway wskazuje generowanie tekstu jako nierozwiązane wyzwanie i sugeruje możliwe podejście hybrydowe: modele obrazowe mogłyby obsługiwać statyczne, bogate w tekst fragmenty, a modele wideo — ciągłą interakcję.

Przekonujący obraz nie musi oznaczać prawdy

Wizualnie wiarygodny interfejs nie jest automatycznie poprawny pod względem faktów. Solaris opiera się obecnie głównie na obrazie początkowym i dostarczonych materiałach referencyjnych, dlatego może z dużą pewnością prezentować błędną odpowiedź, szczegół produktu albo nieprawidłową reprezentację wizualną. Runway wskazuje bogatsze, zweryfikowane dane, dokumenty i materiały referencyjne jako kierunek dalszych badań.

Długie sesje mogą prowadzić do utraty spójności

Każdy stan zależy od łańcucha wcześniejszych wygenerowanych stanów i decyzji modelu. W otwartej, długiej sesji błędy mogą się kumulować. Utrzymanie zgodności sceny, właściwości obiektów, instrukcji oraz historii interakcji pozostaje aktywnym problemem badawczym.

Generowanie każdej klatki kosztuje

Typowa strona internetowa przesyła kod i zasoby, które urządzenie użytkownika renderuje lokalnie. Solaris wykonuje natomiast ciągłą pracę generatywną, aby przygotować widoczny rezultat. Runway twierdzi, że zastosowane optymalizacje znacząco obniżają koszt względem standardowej dyfuzji wideo, ale generowanie klatka po klatce wciąż wymaga więcej obliczeń niż wyświetlenie ustalonej, zakodowanej strony. Docelowa jakość prototypu to 720p.

Dostępność i integracja z oprogramowaniem nie są gotowe

Sam obraz nie udostępnia automatycznie semantyki, na której polegają czytniki ekranu i inne technologie asystujące. Nie zapewnia też z definicji możliwego do sprawdzenia stanu, struktury zdarzeń ani przewidywalnych interfejsów potrzebnych wielu systemom informatycznym. Analitycy wskazują brak konwencjonalnego DOM-u i warstwy dostępności jako poważną przeszkodę we wdrażaniu takiego podejścia w środowiskach wymagających dostępności i wysokiej audytowalności.

Czy Solaris jest dostępny?

Solaris został przedstawiony jako eksperymentalny projekt badawczy, a nie szeroko dostępna platforma produkcyjna do budowania aplikacji. Doniesienia opisują go jako wersję badawczą z wczesnym dostępem lub dostępem przyznawanym na wniosek, a nie jako powszechnie wydany produkt.

Na tym etapie znaczenie Solarisa jest więc przede wszystkim koncepcyjne i badawcze. Projekt pokazuje możliwy kierunek rozwoju interfejsów, ale nie dostarcza jeszcze dowodów, że zespoły mogą traktować go jako bezpośredni zamiennik aplikacji tworzonych tradycyjnymi metodami.

Solaris a Runway GWM-1

Solaris jest powiązany z szerszymi badaniami Runway nad modelami świata, ale pełni inną funkcję. Firma opisuje GWM-1 jako ogólny symulator działający w czasie rzeczywistym, obejmujący środowiska, awatary i manipulację robotyczną. Solaris zawęża tę koncepcję do oprogramowania: symulowanym „światem” jest aplikacja lub strona internetowa, a jego rozwój napędzają działania użytkownika. 12

W tym sensie Solaris rozszerza zainteresowanie Runway — dotychczas skupione na generowaniu mediów — na tworzenie interaktywnych środowisk wizualnych. Interfejs nie jest już tylko filmem do oglądania. Staje się sceną reagującą na działania i generowaną na nowo w miarę trwania interakcji.

Dlaczego Runway uważa, że Solaris może być ważny?

Inna droga do tworzenia oprogramowania

Jeśli ta technologia stanie się wystarczająco niezawodna, twórcy mogliby opisywać środowisko wizualne, produkty, cele i zachowania w języku naturalnym, zamiast implementować w kodzie każdą możliwą kombinację stanów. Mogłoby to być szczególnie interesujące w przypadku doświadczeń przestrzennych, wizualnych i eksploracyjnych, w których klasyczne układy interfejsów bywają ograniczające.

Cena za tę elastyczność byłaby jednak wysoka: przewidywalne działanie wynikałoby z generowania, a nie z jawnej logiki programu. W produkcyjnym oprogramowaniu nadal potrzebne są testowalność, integralność danych, dostępność, możliwość audytu i integracja z innymi systemami. Solaris nie pokazał jeszcze, że potrafi zastąpić w tych obszarach konwencjonalne praktyki inżynieryjne.

Nowa warstwa interfejsu dla agentów AI

Solaris wskazuje również możliwy sposób działania agentów AI w nieznanych środowiskach wizualnych. Zamiast polegać wyłącznie na stałych API albo zakodowanych procedurach, agent mógłby traktować interfejs jak dynamiczny świat: interpretować jego stan, wykonywać działanie, obserwować rezultat i kontynuować pracę na tej podstawie.

To ambitny kierunek, zwłaszcza dla agentów, które muszą poruszać się po interfejsach nieprojektowanych z myślą o konkretnym schemacie automatyzacji. Nadal pozostaje jednak obszarem badań. Niezawodne, ustrukturyzowane API oraz tradycyjne, dostępne interfejsy zachowują istotną przewagę w zadaniach wymagających precyzji, powtarzalności i możliwości kontroli.

Wniosek praktyczny

Solaris najlepiej rozumieć jako zapowiedź generatywnych interfejsów, a nie jako koniec programowania aplikacji. Jego najważniejszy pomysł polega na tym, że sam interfejs staje się wynikiem działania modelu — sekwencją klatek generowanych przez AI, kierowanych przez model językowy i kształtowanych przez działania użytkownika.

Badanie Runway pokazuje, że w niektórych sytuacjach ludzie preferowali to podejście pod względem naturalności interakcji i realizacji instrukcji. Nierozwiązane problemy — poprawność tekstu, wiarygodność faktów, spójność długich sesji, koszt generowania, dostępność i integracja — nie są jednak kosmetycznymi niedociągnięciami. To podstawowe wymagania każdego użytecznego produktu. Solaris pokazuje, czym może stać się model świata interfejsów, ale jednocześnie przypomina, dlaczego tradycyjny kod wciąż tak trudno zastąpić.