界面不再是一份设计稿，而是一段正在生成的视频
8 月 31 号，Runway 丢出 Solaris。它的定义不是"又一个帮你写前端的 AI"，而是第一个"界面世界模型"（Interface World Models）。差别在哪？写前端的 AI 输出代码，代码再渲染成页面；Solaris 输出的就是画面本身，底下没有 DOM、没有 CSS、没有 JavaScript。
你点一下、拖一下，模型直接生成下一帧。你在一家居电商里把衬衫拖到自己照片上，衣服就穿上去了。你在家居应用里说一句"把桌子挪开让我看看"，画面接着就动。整个过程像在播一段视频，只不过这段视频是你现点现生成的。
它是怎么做到的
底座是 Runway 自家的 Gen-4.5 视频模型，路线延续此前的 GWM-1 世界模型。架构上分成两拨：一个语言模型负责理解你想干啥、判断场景该发生什么变化，然后写出提示；世界模型拿着这个提示把变化渲染成画面，并持续往下生成帧。
三处改动把"生成一段视频要几秒甚至几分钟"压成了实时：逐帧自回归、多步去噪蒸馏、以及拿模型自己的输出回头继续训练它（这一条是为了长时间跑不跑偏）。官方给出的指标是 720p 分辨率下约 37 毫秒一帧，也就是说一秒钟差不多 27 帧，肉眼基本连贯。
数字：人真的更喜欢它，但别急着欢呼
Runway 自己组织了一次用户研究：250 名参与者、30 个交互示例、近 7500 次成对比较。结果是，在"是否准确听懂了指令"这一项上，Solaris 拿到 61% 的偏好，代码方案 24%，剩下 13% 认为两者差不多；在"行为是否自然"这一项，Solaris 71%，代码方案 21%。
这个差距不小。但同时要记住两件事：第一，这是 Runway 自己办的研究，样本和示例都是它挑的；第二，61% 意味着还有接近四成的时候人更想要那个老老实实的、按钮位置固定的界面。有自媒体转述称 Solaris 在界面重建任务上超过了 GPT-4o、Gemini 2.5 Pro 和 Claude Opus 5，但这个说法目前没有独立第三方验证，先当传闻听。
三个还没解决的硬伤
Runway 自己也没藏着，把问题摆在明面上：
第一是文字。界面里全是字，而 Solaris 是视频模型，生成稳定、清晰、可读的文字恰恰是视频生成最难的一块。按钮上的标签歪一点、糊一点，这个界面就没法用。
第二是长时间一致性。跑久了画面会漂移，你刚才拖过去的那件衬衫，三分钟后可能变了颜色。官方说持续自我训练就是冲着这个去的，但目前没有长时实测数据。
第三是无障碍。屏幕阅读器、无障碍 API 这整套软件栈，Solaris 现在接不上。对一个"要取代界面"的东西来说，这一条几乎是致命的——真实产品上线过不了这一关。
还有个更隐蔽的：生成出来的界面看着挺像回事，但显示的信息可能是错的。Runway 说正在做"锚定到已验证的产品信息和参考资料"的机制。这句话换个说法就是：现在还没锚定住。
那它现在能干啥
Solaris 目前是研究系统，没有公开发布，Runway 只面向核心合作伙伴开放抢先体验申请。所以短期别想着拿它做生产环境。
真正被看好的用法有两个。一个是快速原型：想法到可交互的画面之间不再隔着设计稿和前端开发，改个方向就是换句话的事。另一个更有意思——给 Computer Use 类智能体当训练场。现在的智能体只能记住固定页面上的按钮位置，换个没见过的网页就抓瞎；如果有一个能源源不断生成千变万化界面的环境，智能体的泛化能力就有地方练了。
跟你有啥关系
如果你是设计师或者前端，别慌，也别当没看见。慌不至于，因为生产级界面要的东西——按钮的身份唯一、交易的完整性、无障碍合规——恰恰是生成式方案目前保证不了的，代码天生就能保证。这些不是"再迭代两版"能补上的，是路线差异。
但"从想法到可点可拖的演示"这一段，确实要被压缩了。过去你需要画稿、切图、写原型，现在可能只需要说清楚你想要什么。真正值钱的会往前挪：判断什么值得做、把需求说清楚、以及定义什么算"对"。
建议就一条：把原型环节先拿出来试。真要上线的东西，老老实实写代码。