Runway stellt GWM Worlds 2 vor, ein interaktives Echtzeit-World-Model
Runways Research Preview streamt durchgehend 720p-Video mit 24 fps und 48-kHz-Audio ohne feste Sitzungslänge, gesteuert über Text-Aktionen und kontinuierliche Kamerabewegung. Runway nennt selbst die Grenzen: Details verlieren bei schnellen Kameraschwenks und das Langzeitgedächtnis ist unvollständig.
24 fps und 48 kHz sind Film- und Post-Werte, keine Gaming-Werte — Runway zielt auf Leute, die Bild liefern. Die genannte Schwäche, schnelle Kamerabewegung, ist für Action die wichtigste; heute also eher ein Werkzeug für Locations und Stimmung als für Auflösung.
GWM Worlds 2 ist das bisher deutlichste Zeichen, dass Runway sein Weltmodell für Leute baut, die auf Bild liefern – nicht nur für Spieler:innen. Das Datenblatt liest sich wie ein Lieferdokument: durchgehend 720p mit 24 Bildern pro Sekunde und 48-kHz-Audio, erzeugt von einem einzigen Audio-Video-Basismodell. Das ist keine beliebige Wahl. Es sind die Bildrate und die Abtastrate, die ein Schneideraum erwartet, und sie verraten viel darüber, wer nach Runways Vorstellung dafür zahlen soll.
Die größere Veränderung gegenüber GWM-1, das Runway im Dezember vorgestellt hat, ist die Steuerung. Eine Sitzung hat keine feste Länge und läuft weiter, solange Eingaben kommen. Diese laufen über einen sogenannten WorldPrompt: einen Genesis-Prompt, der Szene, Figuren und Regeln festlegt, ein erstes Bild, einen Strom zeitgestempelter Text-Aktionen, die sich überlagern dürfen, und eine Kameraspur mit Translation und Rotation pro Frame. Kamera und Figuren werden unabhängig gesteuert, mehrere Rollen wie Spieler:in und Regie haben eigene Aktionen, und Figuren können sprechen – mit steuerbarer Stimme, Tonlage und Sprache und passend generierten Lippenbewegungen. Unter vorab berechneter Nutzung nennt Runway Film und Werbung, daneben interaktiven Film, Games und Robotik.
Dieser Vorab-Modus ist für die Produktion entscheidend, und laut Runway liefert er derzeit bessere Qualität als die Echtzeit-Demo. Die WorldPrompt-Struktur ähnelt einem Previs-Briefing: Szenenbeschreibung, Startbild, ein Beat Sheet mit Timecodes und eine Kamerafahrt. Eine Regisseurin könnte eine Szene blocken, einen anderen Kameraweg ausprobieren und sie erneut abspielen, ohne alles neu zu generieren. Für Motivsuche und Stimmungsentwicklung ist das ein echter Schritt über das Prompten einzelner Clips hinaus.
Bei den Grenzen ist Runway ungewöhnlich offen. Echtzeit-Generierung tauscht Bildtreue gegen Tempo. Schnelle Kameradrehungen verschlechtern Details, Texturen und Geometrie, was Reißschwenks und den Großteil der Action-Coverage ausschließt. Das Langzeitgedächtnis ist unvollständig, Bildreferenzen gibt es nur über das erste Bild oder ein vorgegebenes Video, und freie Steuerung braucht unter Umständen eine externe Umgebung, die den Zustand der Welt verfolgt. Runway selbst schreibt, Echtzeit-Videogenerierung stehe „noch ganz am Anfang“. Die Arbeit von NVIDIA und Princeton zum adressierbaren Gedächtnis aus dem August zielt genau auf das Gedächtnisproblem, und Genie 4 mit zwei Minuten Persistenz im Oktober zeigt, wie schnell sich die Messlatte verschiebt.
Spannend wird, ob Runway die Lücke bei Referenzen schließt. Produktionen beginnen nicht mit einem leeren Genesis-Prompt, sondern mit einem Location-Scan, einem Szenenbild-Paket und einem Cast. Solange sich ein Weltmodell nicht über die gesamte Sitzung an freigegebene Referenzen binden lässt, bleibt das Ergebnis explorativ und nicht lieferfähig. Die Richtung ist dennoch klar, und sie folgt auf die 315 Millionen Dollar aus dem Februar, die Runway ausdrücklich mit Weltmodellen begründet hat. Die Werkzeuge nähern sich etwas, das ein Previs-Team wiedererkennen wird.