Runway Solaris biến giao diện phần mềm thành một thế giới sống do AI tạo ra

Runway Solaris đề xuất một cách tiếp cận khác hẳn với quy trình phát triển phần mềm quen thuộc: thay vì tải một giao diện đã được viết bằng mã và dựng sẵn các màn hình, hệ thống liên tục tạo ra chính giao diện đó. Mỗi cú nhấp, thao tác kéo, lần nhập văn bản hay yêu cầu bằng ngôn ngữ tự nhiên đều có thể làm thay đổi trạng thái hình ảnh tiếp theo. 38

Vì vậy, Solaris không chỉ là một công cụ tạo ứng dụng không cần mã. Runway đang thử áp dụng ý tưởng mô hình thế giới vào giao diện phần mềm: màn hình được xem như một thế giới trực quan đang tiếp diễn, trong đó mỗi trạng thái mới được sinh ra dựa trên hành động của người dùng và những khung hình trước đó.

Runway Solaris là gì?

Runway giới thiệu Solaris vào ngày 31 tháng 8, gọi đây là một mô hình nghiên cứu thử nghiệm mang tên “Interface World Model” — mô hình thế giới giao diện. Ý tưởng cốt lõi là thay thế quy trình thông thường: viết HTML, CSS và JavaScript, sau đó để trình duyệt dựng trang, bằng việc tạo trực tiếp phần giao diện mà người dùng nhìn thấy.

Một trải nghiệm Solaris có thể bắt đầu từ một hình ảnh tham chiếu, chẳng hạn khung cảnh sản phẩm hoặc môi trường mang nhận diện thương hiệu. Từ điểm khởi đầu này, mô hình tạo ra giao diện và tiếp tục cập nhật nó khi người dùng tương tác. Nhà phát triển không cần dự đoán rồi dựng trước từng màn hình có thể xuất hiện; hệ thống cố gắng tổng hợp trạng thái phù hợp cho bước tiếp theo.

Điểm khác biệt này đặc biệt đáng chú ý với những giao diện giàu hình ảnh. Khi một mô hình phải chuyển cảnh hoặc ý tưởng trực quan thành mã, nhiều chi tiết có thể bị mất trong quá trình chuyển đổi. Solaris đặt cảnh trực quan làm đầu ra chính, một hướng tiếp cận mà Runway cho rằng có thể giúp duy trì tính liền mạch và hành vi tự nhiên hơn trong lúc tương tác.

Solaris tạo giao diện tương tác như thế nào?

Hệ thống tách phần “suy luận xem điều gì cần xảy ra” khỏi phần “hiển thị kết quả bằng hình ảnh”. Quy trình có thể được hiểu qua bốn bước:

1. Người dùng đưa ra lệnh hoặc thao tác. Hành động có thể là nhấp vào một vật thể, kéo một thành phần, nhập văn bản hoặc yêu cầu thay đổi bằng ngôn ngữ tự nhiên.
2. Mô hình ngôn ngữ diễn giải ý định. Mô hình xác định bước tiếp theo, xem cảnh hiện tại có cần thay đổi hay không và mô tả hành vi cần chuyển cho mô hình trực quan. 38
3. Mô hình thế giới giao diện dựng trạng thái mới. Thay vì trả về một trang web được viết bằng mã, Solaris tạo ra khung hình tiếp theo dựa trên thao tác hiện tại và chuỗi khung hình trước đó.
4. Chu trình lặp lại. Mỗi hành động mới trở thành một phần ngữ cảnh cho những khung hình tiếp theo, giúp giao diện tiến triển liên tục thay vì chuyển qua lại giữa một số màn hình cố định.

Thành phần trực quan của Solaris được xây dựng trên công nghệ tạo video Gen-4.5 của Runway. Tài liệu dành cho nhà phát triển mô tả Gen-4.5 là mô hình tạo video từ văn bản và hình ảnh, còn Solaris áp dụng nền tảng đó vào một quy trình tương tác tự hồi quy — tức trạng thái sau được tạo dựa trên trạng thái trước. 46

Những kỹ thuật giúp Solaris phản hồi theo thời gian thực

Tạo một trạng thái hình ảnh mới sau mỗi thao tác khác đáng kể so với việc dựng một đoạn video ngắn. Vì thế, Solaris sử dụng nhiều kỹ thuật nhằm giảm độ trễ và hạn chế suy giảm chất lượng trong những phiên sử dụng kéo dài.

Sinh khung hình tuần tự

Mô hình tạo các khung hình theo kiểu tự hồi quy, trong đó mỗi khung hình được điều kiện hóa bởi những khung hình trước. Nhờ vậy, hệ thống có thể tiếp tục cảnh hiện tại sau một thao tác thay vì bắt đầu một lần sinh hoàn toàn mới, dễ tạo ra kết quả rời rạc.

Chưng cất thành mô hình nhanh hơn

Runway cho biết họ chưng cất một mô hình khuếch tán chậm hơn, được gọi là “giáo viên”, thành một mô hình nhanh chỉ cần số bước khử nhiễu nhỏ. Mục tiêu là giảm lượng tính toán cho mỗi phản hồi nhưng vẫn giữ đủ chất lượng hình ảnh để có thể tương tác.

Huấn luyện trên chính đầu ra của mô hình

Runway cũng cho biết mô hình nhanh được huấn luyện bằng những đầu ra do chính nó tạo ra. Cách làm này nhằm hạn chế tình trạng chất lượng giảm dần khi hệ thống phải tạo một chuỗi dài các khung hình phụ thuộc lẫn nhau, bởi những lỗi nhỏ có thể tích lũy theo thời gian.

Các mục tiêu thiết kế Runway nêu ra gồm độ trễ tương tác thấp hơn khoảng nửa giây, duy trì tính nhất quán trong toàn bộ phiên sử dụng và chất lượng hình ảnh ở mức 720p. Đây là mục tiêu nghiên cứu, không phải cam kết rằng mọi tương tác với Solaris đều đạt được các thông số này.

Solaris được so sánh với giao diện viết bằng mã ra sao?

Runway cho biết họ đã thực hiện một nghiên cứu với 250 người tham gia, thu thập khoảng 7.500 lượt đánh giá theo cặp trên 30 ví dụ tương tác. Người tham gia so sánh giao diện do Solaris tạo ra với giao diện được tạo bằng mã bởi Claude Opus 5.

Theo kết quả Runway công bố, người tham gia ưu tiên Solaris:

• 61% số lần khi đánh giá khả năng làm theo chỉ dẫn;
• 71% số lần khi đánh giá mức độ tự nhiên trong hành vi.

Các con số này cho thấy trong một số tình huống, giao diện sinh tự động có thể tạo cảm giác trực quan hoặc liền mạch hơn. Tuy nhiên, chúng không chứng minh Solaris nói chung tốt hơn phần mềm truyền thống. Nghiên cứu chủ yếu đo đánh giá chủ quan về tương tác, không phải độ tin cậy, tính chính xác, bảo mật, khả năng bảo trì, chi phí, hiệu năng hay khả năng tiếp cận. Những tài liệu hiện có cũng chưa đủ để đánh giá độc lập toàn bộ phương pháp nghiên cứu và phân tích thống kê của thử nghiệm.

Những giới hạn quan trọng của Solaris

Cơ chế giúp Solaris linh hoạt cũng đồng thời tạo ra nhiều bài toán khó về kỹ thuật và sản phẩm.

Văn bản sinh ra vẫn chưa ổn định

Tạo văn bản rõ ràng và chính xác trong ảnh hoặc video theo thời gian thực vẫn là thách thức lâu nay của các mô hình sinh hình ảnh. Một giao diện có thể trông bắt mắt nhưng lại hiển thị sai nhãn, con số, menu hoặc hướng dẫn. Runway xác định việc tạo văn bản là vấn đề chưa được giải quyết và đề cập một hướng kết hợp tiềm năng: dùng mô hình ảnh cho những khoảnh khắc tĩnh nhiều chữ, còn mô hình video đảm nhiệm tương tác liên tục.

Giao diện có thể thuyết phục nhưng sai

Một giao diện trông rất thật không đồng nghĩa với thông tin bên trong đáng tin. Hiện Solaris chủ yếu được định hướng bởi hình ảnh khởi đầu và các tài liệu tham chiếu được cung cấp, nên hệ thống có thể tự tin đưa ra câu trả lời, thông tin sản phẩm hoặc hình ảnh minh họa không chính xác. Runway xem việc bổ sung dữ liệu sản phẩm đã được xác minh, tài liệu và nguồn tham chiếu phong phú hơn là hướng nghiên cứu tiếp theo.

Phiên sử dụng dài có thể mất tính nhất quán

Vì mỗi trạng thái phụ thuộc vào chuỗi trạng thái và quyết định của mô hình trước đó, lỗi có thể tích lũy trong quá trình sử dụng mở rộng. Việc giữ cho khung cảnh, thuộc tính vật thể, chỉ dẫn và lịch sử tương tác nhất quán qua một phiên dài vẫn là bài toán nghiên cứu đang được tiếp tục.

Sinh từng khung hình có chi phí cao hơn phục vụ một trang web cố định

Một website thông thường gửi mã và tài nguyên để thiết bị của người dùng tự dựng. Solaris lại thực hiện công việc sinh tự động liên tục để tạo ra phần hiển thị. Runway cho biết các tối ưu hóa của họ giúp quy trình rẻ hơn đáng kể so với khuếch tán video tiêu chuẩn, nhưng việc tạo giao diện theo từng khung hình vẫn đòi hỏi nhiều tài nguyên hơn so với việc phân phối một trang đã được lập trình sẵn. Mục tiêu chất lượng hình ảnh được công bố cho nguyên mẫu là 720p.

Trợ năng và khả năng tích hợp phần mềm vẫn chưa hoàn thiện

Một khung hình được kết xuất dưới dạng hình ảnh không tự động cung cấp ngữ nghĩa có cấu trúc mà trình đọc màn hình và các công nghệ hỗ trợ cần đến. Nó cũng không mặc nhiên có trạng thái có thể kiểm tra, cấu trúc sự kiện và giao diện dự đoán được — những thành phần quan trọng khi tích hợp với các hệ thống phần mềm khác.

Các nhà phân tích cho rằng việc không có DOM truyền thống và lớp trợ năng là trở ngại lớn khi triển khai hướng tiếp cận này trong những môi trường đòi hỏi khả năng tiếp cận hoặc kiểm toán cao.

Solaris đã được phát hành chưa?

Solaris được giới thiệu như một dự án nghiên cứu thử nghiệm, chưa phải nền tảng tạo ứng dụng sản xuất được cung cấp rộng rãi. Các báo cáo mô tả đây là bản xem trước nghiên cứu với quyền truy cập sớm hoặc đăng ký yêu cầu, thay vì một sản phẩm xây dựng ứng dụng đã phát hành cho mọi người.

Do đó, ý nghĩa hiện tại của Solaris nằm nhiều hơn ở khía cạnh ý tưởng và nghiên cứu. Nó cho thấy một hướng phát triển khả dĩ của giao diện phần mềm, nhưng chưa đưa ra bằng chứng rằng các đội ngũ có thể dùng nó như giải pháp thay thế trực tiếp cho ứng dụng viết bằng mã.

Solaris liên quan gì đến GWM-1 của Runway?

Solaris nằm trong hướng nghiên cứu rộng hơn về mô hình thế giới của Runway, nhưng có mục đích khác. Runway mô tả GWM-1 là trình mô phỏng thời gian thực đa dụng, bao quát môi trường, nhân vật ảo và thao tác robot. Solaris thu hẹp ý tưởng mô hình thế giới vào giao diện phần mềm: “thế giới” được mô phỏng ở đây là một ứng dụng hoặc website, còn hành động của người dùng thúc đẩy thế giới đó thay đổi. 12

Theo nghĩa này, Solaris mở rộng trọng tâm của Runway từ việc tạo nội dung truyền thông sang tạo môi trường trực quan có thể tương tác. Giao diện không còn chỉ là video để xem; nó là một cảnh phản hồi trước hành động và được tái sinh khi tương tác tiếp diễn.

Vì sao Runway cho rằng Solaris có thể quan trọng?

Một con đường khác để tạo phần mềm

Nếu hướng tiếp cận này trở nên đáng tin cậy, người sáng tạo có thể mô tả môi trường trực quan, sản phẩm, mục tiêu và hành vi bằng ngôn ngữ tự nhiên, thay vì phải lập trình trước mọi trạng thái có thể xảy ra. Điều này đặc biệt hấp dẫn với các trải nghiệm giàu hình ảnh, mang tính không gian hoặc cần khám phá — những trường hợp mà bố cục giao diện truyền thống có thể trở nên gò bó.

Đổi lại, sự linh hoạt sẽ đến từ quá trình sinh tự động thay vì logic chương trình được định nghĩa rõ ràng. Với phần mềm sản xuất, đội ngũ phát triển vẫn cần hành vi có thể dự đoán, khả năng kiểm thử, tính toàn vẹn dữ liệu, trợ năng và tích hợp hệ thống. Solaris chưa chứng minh rằng mình có thể thay thế các thực hành kỹ thuật truyền thống ở những yêu cầu này.

Một lớp giao diện mới cho các AI agent

Solaris cũng gợi mở cách để các AI agent vận hành trong những môi trường trực quan xa lạ. Thay vì hoàn toàn phụ thuộc vào API cố định hoặc quy trình được viết sẵn, agent có thể diễn giải giao diện như một thế giới động, thực hiện hành động, quan sát trạng thái mới rồi tiếp tục xử lý.

Đây là tham vọng đáng kể với những agent phải điều hướng các giao diện không được thiết kế cho một cấu trúc tự động hóa định trước. Tuy nhiên, đây vẫn là hướng nghiên cứu. Với các tác vụ cần khả năng kiểm toán, độ chính xác và thực thi lặp lại, API có cấu trúc cùng phần mềm truyền thống hỗ trợ tốt vẫn có những lợi thế quan trọng.

Kết luận: Solaris là bản xem trước, chưa phải dấu chấm hết của mã nguồn

Cách hiểu phù hợp nhất về Solaris là một bản xem trước nghiên cứu về giao diện phần mềm sinh tự động, không phải lời tuyên bố rằng mã nguồn ứng dụng đã lỗi thời. Ý tưởng đặc trưng của hệ thống là biến chính giao diện thành đầu ra của mô hình: một chuỗi khung hình do AI tạo ra, được mô hình ngôn ngữ định hướng và được hành động của người dùng liên tục định hình.

Nghiên cứu do Runway công bố cho thấy người dùng đôi khi ưu tiên cách tiếp cận này ở khả năng làm theo chỉ dẫn và tạo hành vi tự nhiên. Nhưng những vấn đề còn bỏ ngỏ — độ chính xác của văn bản, khả năng kiểm chứng thông tin, tính nhất quán trong phiên dài, chi phí sinh, trợ năng và tích hợp — đều là yêu cầu cốt lõi của sản phẩm, không phải phần đánh bóng có thể xử lý sau.

Solaris cho thấy một “mô hình thế giới giao diện” có thể phát triển theo hướng nào, đồng thời nhấn mạnh lý do mã nguồn truyền thống vẫn chưa dễ bị thay thế.