機器之心報道

機器之心編輯部

GPT-5.2 更新的同時，主攻 AI 視頻與多媒體生成技術(shù)的獨角獸 Runway 也來了一波大的：一口氣來了 5 個「激動人心的宣布」。

這一波更新之猛，甚至讓人覺得他們是不是把過去半年的大招一次性全放了出來。Runway 這一波發(fā)布，不僅刷新了視頻生成的各項指標，更重要的是，他們正式對外展示了其在通用世界模型（General World Models/GWM）上的野心。

如果說之前的競爭還在于誰生成的視頻更清晰、誰的時間更長，那么 Runway 今天似乎想說：「我們不再只是生成像素，我們在模擬世界?！?/p>

此次發(fā)布的「全家桶」陣容豪華：

• Gen-4.5：最新的旗艦視頻生成模型，不僅畫質(zhì)驚人，更引入了原生音頻生成與編輯功能。
• GWM-1：Runway 的首個通用世界模型，這是理解物理世界運行規(guī)律的基石。
• GWM Worlds：基于 GWM-1 的環(huán)境模擬器，讓你在無限的數(shù)字世界中實時探索。
• GWM Avatars：音頻驅(qū)動的交互式視頻模型，讓數(shù)字人擁有了自然的靈魂。
• GWM Robotics：打破物理瓶頸，為機器人訓練提供合成數(shù)據(jù)的學習型模擬器。

更有意思的是，為了慶祝這一時刻，英偉達 CEO 黃仁勛還專門給 Runway 發(fā)來了一條特別的節(jié)日祝福。

話不多說，下面我們就來看看 Runway 到底要把我們帶向一個怎樣的未來。

Gen-4.5

作為 Runway 最新的旗艦視頻模型，Gen-4.5 主打的是畫面保真度和創(chuàng)意控制能力。

先來看看官方宣傳片：

性能表現(xiàn)也很不錯：

總的來看，Gen-4.5 的生成能力有以下特點：

1、精確遵循提示

Gen-4.5 實現(xiàn)了極高的物理精度和視覺精確度。物體以逼真的重量、動量和力量移動。液體以正確的動力學流動。表面細節(jié)以極高的保真度渲染。而發(fā)絲和材料紋理等精細細節(jié)在運動和時間中保持連貫。

提示詞：A continuous shot with no scene cut.We see water coming out of a garden faucet filling up a rusty metal bucket.Right below the bucket is a perfect folded white paper boat with a small yellow flower.The boat rides down a small river of water and enters a house,ending the journey in front of a broken TV.

2、風格控制和視覺一致性

Gen-4.5 能夠處理多種美學風格，從照片級真實感和電影感到風格化動畫，同時保持連貫的視覺語言。

提示詞：A cinematic scene highlights a young woman with striking features,captured in a close-up that emphasizes her intense gaze.The camera focuses on her face,showcasing her platinum blonde hair.

除此之外，Gen-4.5 現(xiàn)在也支持原生音頻生成和原生音頻編輯了！

也就是說，你不僅能夠生成帶有音頻的新視頻，還能根據(jù)自己的需求編輯現(xiàn)有視頻的音頻。

不僅如此，Gen-4.5 還引入了多鏡頭編輯功能。借助多鏡頭編輯，你可以對初始場景進行更改，并將該更改應用到整個視頻中。

不過，Runway 也坦言，Gen-4.5 仍有一些視頻模型常見的局限：

• 因果關系推理：有時結(jié)果會先于原因發(fā)生（例如，門在把手被按下之前就打開了）。
• 客體恒存性：物體可能會在幀之間突然消失或出現(xiàn)（例如，一個杯子在被遮擋后消失）。
• 成功偏差：行動的成功率高得不成比例（例如，一次瞄準不佳的射門仍然進球）。

Runway 表示，這些局限性在他們的世界模型研究工作中尤為重要，因為世界模型需要準確反映在環(huán)境中采取行動的結(jié)果。他們正在積極研究解決這些問題的方法。

目前，Runway 正在逐步開放對 Gen-4.5 的訪問權(quán)限，它將在未來幾天內(nèi)向所有人開放。

GWM-1

這一次，Runway 還推出了自家的首個通用世界模型：GWM-1

據(jù)介紹，GWM-1 是基于 Gen-4.5 構(gòu)建的，但有一個關鍵區(qū)別：它是自回歸的。

也就是說，GWM-1 采用了逐幀預測的方式。這也意味著，在任何時刻，用戶都可以根據(jù)應用場景進行干預，例如在空間中移動、控制機械臂或與智能體交互，模型都會模擬接下來發(fā)生的事情。

目前，GWM-1 有三種變體：

• 用于可探索環(huán)境的GWM Worlds
• 用于對話角色的GWM Avatars
• 用于機器人操作的GWM Robotics

Runway 表示：「目前這些是單獨的后訓練模型。我們正在努力將許多不同的領域和動作空間統(tǒng)一到一個單一的基礎世界模型之下?！?/p>

他們認為：「世界模型處于 AI 進步的前沿。僅靠語言模型無法解決世界上最棘手的問題 —— 機器人技術(shù)、疾病、科學發(fā)現(xiàn)等。真正的進步需要模型像人類一樣去體驗世界，并從錯誤中學習。而這種試錯過程在模擬環(huán)境中進行，比在現(xiàn)實世界中進行要快得多。世界模型為通用模擬提供了最為清晰的路徑?！?/p>

有意思的是，英偉達 CEO 黃仁勛還專門給 Runway CEO & 聯(lián)創(chuàng) Cristóbal Valenzuela 發(fā)送了一條祝賀視頻。（畢竟看到這些依賴英偉達硬件的 AI 公司不斷進步，大概沒有人比老黃更開心了。）

下面來簡單看看 GWM-1 的三種變體。

GWM Worlds

GWM Worlds 是一個用于實時環(huán)境模擬的世界模型。

按官方的說法是：「你給模型提供一個靜態(tài)場景，它就能在你穿梭其中時，實時生成一個沉浸式、無限且可探索的空間，其中包含幾何體、光照和物理效果。你可以前往任何地點，無論是真實的還是想象的。你可以化身為任何角色，比如漫步城市的人、飛越雪山的無人機，或是穿梭于倉庫的機器人?！?/p>

聽起來很炫酷，下面是官方的宣傳視頻：

Runway 表示：讓這一切得以實現(xiàn)的關鍵在于一致性（consistency）

這很容易理解，當你探索一個環(huán)境時，你期望這個世界保持連貫一致。轉(zhuǎn)身時，你身后的事物依然存在。前后走動，你可以回到起點。

而 GWM Worlds 似乎在這方面表現(xiàn)不錯，其能在長時間的移動序列中保持這種空間連貫性。而且由于它是一個模擬系統(tǒng)，環(huán)境可以做出反應。你可以通過輸入指令來定義一個世界的物理規(guī)則，這個世界會做出準確的響應。

舉個例子，如果你指令 agent 騎自行車，它會穩(wěn)穩(wěn)地行駛在地面上；如果你指令其飛行，它就能在天空中自由導航。這對于交互式體驗、游戲、可探索的世界以及沉浸式環(huán)境都非常有用。

但對于訓練 agent 來說，它同樣重要。如果你想訓練一個 AI 系統(tǒng)在現(xiàn)實世界中進行導航和行動，你需要一個模擬器來對其進行訓練。GWM Worlds 可以充當這樣的沙盒，一個讓 agent 可以探索、犯錯并學習的環(huán)境。

整體而言，從描述上看 GWM Worlds 與其它類似的前沿世界模型差別不大，但實際表現(xiàn)如何還有待觀察。

GWM Robotics

GWM Robotics 是一個基于機器人數(shù)據(jù)訓練而成的世界模型，它能夠根據(jù)機器人動作生成預測視頻序列。

該模型支持反事實生成，可以探索不同的機器人軌跡與結(jié)果。其特性包括：

• 合成數(shù)據(jù)增強策略訓練：利用世界模型生成合成訓練數(shù)據(jù)，從多個維度擴充你現(xiàn)有的機器人數(shù)據(jù)集，包括新物體、任務指令以及環(huán)境變化。這些合成數(shù)據(jù)能在無需昂貴真實數(shù)據(jù)采集的前提下，顯著提升策略的泛化能力與魯棒性。
• 策略模擬評估：無需部署到真實機器人上，你可以直接在 Runway 的世界模型中測試策略模型（如 OpenVLA 或 OpenPi 這類 VLA 模型）。這種方式更快、可復現(xiàn)性更強、安全性也更高，同時仍能提供逼真的行為評估。

Runway 還發(fā)布了一個GWM-1 Robotics SDK。這是一款面向 Runway 機器人世界模型 API 的 Python SDK，可以基于機器人動作生成視頻。該 SDK 支持多視角視頻生成和長上下文序列，并提供了與現(xiàn)代機器人策略模型無縫銜接的接口設計。

GWM Avatars

GWM Avatars 是一個由音頻驅(qū)動的交互式視頻生成模型，可針對任意逼真寫實或風格化的角色模擬自然的人類動作和表情。

該模型能在說話和傾聽時呈現(xiàn)出逼真的面部表情、眼球運動、口型同步和手勢動作，并且在長時間對話過程中也不會出現(xiàn)質(zhì)量下降的問題。

這個模型已經(jīng)有著廣泛的應用潛力，官方列出了一些例子：

• 實時輔導與教育：讓個性化導師鮮活起來。這些反應靈敏的角色能夠講解概念、回應問題，并以自然的表情和手勢進行長時間對話，讓學習感覺就像一場真實的交流。
• 客戶支持與服務：通過讓交互有「臉」可尋，變革客戶支持體驗。一個反應靈敏、栩栩如生的角色，能傾聽、回應并引導用戶解決問題，它擁有真人客服般自然的表達和耐心，隨時待命，服務規(guī)模不受限。
• 培訓模擬：與能夠自然回應、保持眼神交流并實時做出反應的逼真角色一起練習艱難的對話、談判或高風險場景，在安全的環(huán)境中培養(yǎng)技能。
• 互動娛樂與游戲：讓游戲角色和數(shù)字演員鮮活起來。有會傾聽并回應的角色，有會根據(jù)你的選擇做出反應的主持人，還有能進行真實對話的伙伴。讓互動娛樂體驗宛如一場真誠的交流。

GWM Avatars 即將登陸 Runway 網(wǎng)頁產(chǎn)品和 Runway API，以便用戶集成到自己的產(chǎn)品和服務中。

結(jié)語

Runway 今天的更新標志著行業(yè)正在跨越一個關鍵的臨界點：從單純的「視頻生成」邁向了真正的「世界模擬」。

無論是 Gen-4.5 對物理細節(jié)的把控，還是 GWM-1 對環(huán)境與實體的構(gòu)建，都表明 AI 不再僅僅是模仿像素的排列組合，而是開始理解物理世界的底層邏輯。

正如 Runway 所言，通往 AGI 的道路不能僅靠語言，AI 必須在一個可交互的模擬環(huán)境中去體驗和學習。英偉達 CEO 黃仁勛的驚喜現(xiàn)身，也隱喻了算力與算法的深度綁定。對于創(chuàng)作者而言，這扇大門已經(jīng)打開：未來的視頻或許不再只是用來看的，更是用來交互的。

https://runwayml.com/

https://runwayml.com/research/introducing-runway-gen-4.5

https://runwayml.com/research/introducing-runway-gwm-1

https://x.com/c_valenzuelab/status/1999240966885003295

https://x.com/runwayml/status/1999190924069400583

文中視頻鏈接：https://mp.weixin.qq.com/s/XACKFq465dc8I8RFLzq9xg