Runway展示实时视频生成研究：边描述边出画，首帧目标低于100毫秒
Runway公开其将AI视频生成变为可实时操控直播流的研究方向，提出以GWM-1逐帧生成、用自身输出训练来抑制误差累积，并称实时化可把算力负担从训练转向使用、降低单位成本门槛；公司未公布可用时间表。
AI解读：Runway这次讲的重点不是“生成一段更好的视频”，而是把生成过程本身变成一条边描述边播放的直播流。按The Decoder的报道，用户不再输入提示词后等几秒到几分钟拿成品，而是在描述的同时持续输出画面，出错也不用推倒重来。
要这样做，视频模型得逐帧生成，并且每一帧都把此前所有帧当作上下文。这带来一个语言模型没有的麻烦：文字模型能在句子中途改口，视频里前帧的小瑕疵却会被后帧继承、叠加，最后长成明显的扭曲。
Runway说它的处理办法是用模型自己的输出训练，而不只用无错误的输入喂它，让它学会修正自身偏差而不是放大偏差。这个思路并不孤单：报道提到Decart的MirageLSD在训练中故意暴露于失真图像，Google DeepMind称Genie 3能在24fps、720p下维持交互世界一致数分钟。
Runway给出的商业逻辑是成本。生成越快，占用的GPU时间越少，而在给定画质下每个输出的成本决定哪些应用经济上划得来；首帧等待和反复修改被压缩后，原本不划算的用例可能变得可行。这条推理是Runway的说法，不是已公布的效果数据。
长期看Runway把互动应用押在教育、游戏和机器人上：机器人、自动驾驶需要在虚拟环境里实时响应边缘情况，评估它们的行动。Runway已展示过为机器人生成合成训练数据的GWM Robotics；Waymo也在用基于Genie 3改造的Waymo World Model模拟现实中没遇到过的场景，比如大象、龙卷风或被淹的居民区。
但发布时间没有。3月Runway在英伟达GTC上展示过与英伟达合作的实时模型研究预览，跑在Vera Rubin平台上，目标是100毫秒内出首帧；除此之外，报道没有给出任何可用时间表。眼下能确认的是方向、架构和限制，不是能买到的产品。
Runway公开了其在实时视频生成方面的研究：用户不再是输入提示词后等待成品视频，而是边用语言描述边看到视频流输出。The Decoder的报道称，Runway希望把“想法到执行”的时间压缩到接近实时。
报道描述，今天的视频模型按分离的步骤工作：输入提示词，等几秒或几分钟，拿到一段完成的视频；如果结果不对，就从头再来。Runway称用户反复反馈最耗时的环节正是生成和修改视频，因此它的目标是尽可能缩短首帧时间，然后在用户提示的过程中持续流式输出视频。
Runway最早在3月通过Runway Characters讨论过这一路线。它使用GWM-1，即Runway在2025年12月推出的首个“通用世界模型”。GWM-1建立在Gen-4.5之上，逐帧生成视频，可接受镜头运动、机器人指令或音频作为控制输入。就在几周前，Runway还展示了Solaris，一个用Gen-4.5逐帧生成用户界面的系统，可响应点击或语音输入。
Runway称实时生成能压低等待与GPU成本
Runway主张，实时生成能缩小想法与执行之间的差距。有了即时反馈，用户大部分时间会花在主动操纵视频上，而不是等待。
Runway还指向成本：更快的模型占用更少的GPU时间，因而更具成本效率。按Runway的说法，在给定质量水平下每个输出的成本，决定了哪些应用在经济上成立；即时生成会降低这道门槛，使此前不赚钱的应用变得可行。
报道指出，Runway的实时模型在生成每个新片段时，会把此前生成的所有帧作为上下文使用。
逐帧生成的误差累积问题
文本模型可以在句子中途自我纠正，但视频模型的每一帧都建立在前一帧之上，小错误会随时间累积成明显扭曲。Runway把这一点描述为基于LLM方法的核心问题。
它的应对方式是用模型自己的输出进行训练，而不只是用无错误的输入，教模型修正自身偏差而不是放大偏差。与语言模型不同，视频模型无法回头修正更早的错误，因为每个新帧都建立在有缺陷的那一帧上。
报道提到，创业公司Decart在其实时模型MirageLSD上采用了类似思路，在训练中故意让模型接触有缺陷或失真的图像。Google DeepMind称其世界模型Genie 3能在24帧每秒、720p下让交互世界保持一致数分钟。
算力从训练转向使用，长期用例指向机器人与自动驾驶
按Runway的说法，实时生成把计算负载从训练转移到使用：模型必须以足够快的速度产出每一帧以跟上播放，同时还要运行在由多个会话共享的硬件上。
Runway认为互动应用是AI生成媒体最大的长期用例。公司称教育、游戏和机器人需要能像观看者一样快速响应的视频。评估机器人或自动驾驶车辆在现实世界中的行为，也需要能实时生成、即时响应边缘情况的环境。
Runway此前推出了GWM Robotics，这是GWM-1的一个变体，为机器人生成合成训练数据。Waymo在类似方向上使用Waymo World Model，它基于Genie 3、针对道路交通做了适配，让Waymo模拟其车队从未观察过的情形，例如遇到大象、龙卷风或被淹的居民区。按Waymo的说法，Waymo Driver在公共道路上遇到某些场景之前，已在虚拟世界中行驶了数十亿英里。
与英伟达合作的预览目标：100毫秒内出首帧
3月，Runway还在英伟达GTC大会上展示了与这家芯片厂商合作开发的实时模型研究预览。该模型运行在Vera Rubin平台上，设计目标是在100毫秒内交付第一帧。
报道称，Runway尚未公布该技术的可用时间表。