Runway 公布 GWM Worlds 2：支持实时交互的通用世界模型

Runway 于社交平台 X 上公布了其在通用世界模型（General World Model）方向的最新研究成果 GWM Worlds 2。该模型能够在连续 720p 视频、24 fps 帧率以及 48000 Hz 音频条件下，实时生成可交互的仿真世界，被 Runway 定位为其基础音视频生成模型之上的下一代研究。

核心能力：可定义、可操控的连续世界

GWM Worlds 2 的核心思路是把「世界」本身作为生成对象，而不是生成固定时长的视频片段。用户可以在进入世界之前，自主定义以下要素：

• 环境（environment）
• 主体（subjects）
• 视觉风格（visual style）
• 物理规则（physical rules）
• 环境氛围（ambience）

在进入世界后，模型支持两种主要控制方式：一是针对任意主体或场景本身发出文字指令（text actions），二是持续的相机运动控制。与传统按固定脚本或预设时长播放的生成视频不同，GWM Worlds 2 会基于每一次新的输入持续延展世界，因此单次会话没有预设时长限制。

技术规格与定位

根据官方描述，GWM Worlds 2 的输出规格为：

• 视频：720p 分辨率、24 fps
• 音频：48000 Hz
• 形式：实时、连续、可交互的仿真

Runway 将其定位为「基础音视频生成模型」之上的扩展，意味着 GWM Worlds 2 并非从零训练的独立模型，而是构建在 Runway 已有音视频生成能力之上的一次方向性探索。

目标应用场景

Runway 在公告中给出了 GWM Worlds 2 的预期落地方向，主要涵盖：

• 交互式娱乐（interactive entertainment）
• 虚拟角色（virtual characters）
• 机器人（robotics）
• 具身智能体仿真（embodied-agent simulation）

这些场景的共同需求是「长时序、可干预、物理可信」的动态环境，恰好对应世界模型研究的核心议题。

信息边界

需要指出的是，此次 Runway 仅通过 X 帖文进行了研究预告，公开信息中未包含论文、benchmark、技术架构细节或可体验入口，更多资料指向官方提供的外部链接。GWM Worlds 2 当前仍处于研究分享阶段，距离正式产品化或开源发布尚有距离，其实际效果与可用性有待后续公开材料进一步验证。