Runway重夺全球第一

Runway Gen-4.5这波有点厉害！

刚刚更新的Runway Gen-4.5击败谷歌Veo3，重夺AI视频王座！

在Artificial Analysis的榜单中Runway以1247的ELO分数拿下第一。

在观看了RunwayGen-4.5的宣传视频后，被其中的一句话所打动：我们创造了一个，你可以用来创造一切的的产品。

RunwayGen-4.5此前代号为WhisperThunder。

Gen-4.5采用最先进技术，在视频生成的运动质量、提示词遵循度和视觉保真度方面树立了全新标杆。

以下是一些惊艳的例子。

RunwayGen-4.5在视频模型的预训练数据效率和后训练技术方面均取得显著进步，并成为用于世界建模的新基础模型。

Gen-4.5在ArtificialAnalysis文本转视频排行榜中获得1,247Elo积分，创下新标准并超越了全球所有其他AI视频模型。

Runway是第一家将文生视频技术真正做成可供大众使用的SaaS产品的公司。

在2023年初，Runway率先推出了Gen-1（视频生视频）和Gen-2（文生视频）。

当时谷歌的ImagenVideo和Meta的Make-A-Video还停留在实验室演示阶段，而Runway直接让普通用户通过网页就能生成视频。

它是第一个让“AI视频生成”成为独立商业赛道的公司，甚至早于OpenAI的Sora（Sora发布于2024年初）。

Gen-4.5实现了前所未有的物理精确度和视觉精度。

物体以逼真的重量、动量和力量运动。

液体以恰当的动力学特性流动。

表面细节以极高的保真度渲染。

而像发丝和材质编织这样的精细细节在运动和时间内保持连贯。

在复杂场景、精细构图、物理准确性上都表现出色，并且能生成富有表现力的角色。

Gen-4.5能够处理从照片级真实感和电影感，到风格化动画的广泛美学风格，同时保持连贯的视觉语言。

Gen-4.5从初期研发、预训练、后训练到推理的整个开发过程完全基于英伟达GPU完成。

尽管能力有了飞跃，Rnway仍表现出视频生成模型常见的若干限制：

因果推理：效果有时会先于原因出现（例如，门在按下把手之前就打开了）。

物体恒存性：物体可能在帧间意外消失或出现（例如，杯子被遮挡后消失）。

成功偏差：动作异常容易成功（例如，瞄准不佳的射门仍能得分）。

Runway创始人最新访谈

Runway Gen 4.5如何重塑模拟引擎革命？

Runway ML创始人Cristóbal Valenzuela访谈刚刚曝光！

视频模型正从娱乐工具转向世界模拟引擎，这是否预示AGI新时代的曙光？

Cristóbal Valenzuela在 Gen 4.5模型社区投票登顶视频竞技场排行榜后，与Lukas Biewald展开深度对话，剖析视频建模领域的挑战与创新。

视频AI的终局是“世界模拟器”吗？

以小博大：专注与效率的胜利

采访一开始，Lukas就抛出了一个尖锐的问题：“Runway作为一个创业公司，是如何与拥有无限资源的谷歌竞争的？”

Chris的回答非常坦诚。七年前Runway刚成立时，甚至没人觉得“视频模型”是一个值得投入的领域。如今虽然行业已被引爆，且巨头纷纷入局，但Chris认为资源仍然不是决定性因素。

专注(Obsession)：

相比大厂的广泛布局，Runway拥有一支对视频生成愿景极度痴迷的团队。

效率(Efficiency)：

当你没有几千亿美元可以挥霍时，你必须在训练和推理的效率上极度创新。“在有限资源下做到世界第一，迫使我们变得更具创造力。”

二级标题炼丹的玄学：技术中的“品味”

Gen 4.5为什么能大幅领先？Chris提到了一个有趣的词——“品味”(Taste)。

这里的“品味”指的不仅仅是生成画面的美学风格，更多是指“如何训练模型的直觉”。

模型训练没有单一的“魔法按钮”。

它关乎成千上万个参数的微调、无数个Tips&Tricks的组合。

Chris引用了Ilya Sutskever的观点，认为现在是“拥有更大算力的基础研究回归之年”。谁更擅长做基础科学实验，谁就能领先。

超越语言：视频模型即“世界模型”

这是本次采访中最核心的观点。

Chris认为，理解视频模型的最佳方式，是将其视为“通用模拟引擎”(Universal Simulation Engines)。

语言的局限：

语言模型（LLM）受限于语言本身——语言只是人类对现实的一种抽象，而非现实本身。

观察数据的力量：

视频模型通过学习大量的观察数据，能够捕捉到物理世界的规律，如因果关系、空间与时间的连续性、物体恒存性等。

实测案例：Chris举了一个内部测试的Prompt例子：“一只袋鼠推着另一只坐在婴儿车里的小袋鼠”。

这不仅需要模型理解复杂的生物运动，还要处理摄像机的跟随运镜。

Gen 4.5能够完美处理这种复杂的物理交互，证明了它不仅仅是在生成像素，而是在理解物理世界。

未来的应用：从电影到机器人

如果视频模型是“模拟引擎”，那它的应用场景将远超现在的影视制作：

非线性娱乐体验：

未来的游戏或互动内容可能不再是预先制作好的，而是实时生成的、可交互的“梦境”。

具身智能(EmbodiedAI)：

有开发者已经开始利用Runway生成合成视频数据，用来训练机器人的手臂操作。

个性化学习：

想象一下，你想学习任何知识，AI都能实时为你生成一段专属的教学视频。

在采访的最后，Chris并没有回避关于安全性的问题。

面对“AI生成内容对儿童限制过多”的抱怨，他表示这确实是一个艰难的平衡，但未来或许会出现类似流媒体平台的“儿童模式”，把控制权交给家长。

Runway的野心从未止步于“视频剪辑工具”。

正如Chris所言，他们正在构建的是一种新的媒介，一种能够模拟万物的智能系统。

我们首先模拟的是娱乐和媒体，但你会看到，这些模型将开始模拟远超于此的一切。