Runway GWM Worlds 2 实时生成可交互视频世界
这项研究预览可持续生成720p、24帧的视听模拟，并根据文字、镜头和玩家操作实时改变场景。
视频开始变成环境
Runway 发布世界模型研究预览 GWM Worlds 2，可持续生成720p、每秒24帧的交互视频，并同步输出48千赫兹音频。它不再制作长度固定的视频片段，而是在用户移动镜头或发出动作后，继续演化人物、物体、天气及整个场景。
用户首先设定环境、主体、视觉风格、物理规则和氛围。模型生成后续画面时，会同时参考初始描述和首帧、当前镜头与文字指令，以及滑动缓存中的历史画面。视频和音频解码器按时间顺序工作，因此模拟没有预设的时长上限。
Runway 展示了三种操作方式：创作者可以预先编排完整的时间轴动作；系统也可以在决策点暂停，形成回合制体验；还可把键盘和鼠标操作绑定为预设文字指令，实现实时控制。不同玩家能够分别控制同一场景中的不同主体。不过，Runway 承认预先编排目前效果更好，因为详细文字可以准确描述镜头刚刚揭示的新区域，而实时输入必须追求低延迟。
仍不是游戏引擎的替代品
该模型可能用于互动娱乐、虚拟角色、设计以及具身智能体模拟，但预览也暴露出尚未解决的问题。实时操作依赖预设文字动作，长期一致性受有限历史缓存约束；Runway 尚未公布独立延迟测试、物理可靠性指标，也没有说明物体和空间关系能够稳定保持多久。
即便如此，这仍推动生成视频向有状态的交互系统迈进。传统视频模型执行一次性镜头要求，Worlds 2 则试图在同步生成画面与声音时持续响应操作。对于后续事件必须继承先前动作的模拟任务，这一差异至关重要。
为何重要
世界模型正在成为连接生成内容、游戏和机器人研究的新竞争领域。持续720p输出让 Runway 的方案比许多概念展示更具体，但商业价值最终取决于几何关系和因果状态能否长期保持，而非单纯画面是否逼真。这两项能力在当前预览中仍未得到证明。