【技術解説】Runway「Solaris」とは？コードを介さないUI基盤「Interface World Models」

要約

Runwayが発表したSolarisは、従来の「デザイン ➔ コード ➔ レンダリング」というプロセスを排除し、ユーザー操作に応じてUI画面全体をリアルタイムに直接ストリーミング生成する「Interface World Models（インターフェース世界モデル）」です。コード（中間表現）の翻訳損失を防ぎ、事前にプログラムされていない挙動やUI操作に対応できます。

1. 定義と概要：SolarisおよびInterface World Modelsとは？

• 名称: Solaris（ソラリス）
• 開発元: Runway
• 発表日: 2026年8月31日
• 分類: Interface World Models（インターフェース世界モデル）
• 基盤モデル: Gen-4.5 / GWM-1（動画生成・世界モデル技術）
• 核心的概念: UIを決定論的なコード（HTML/CSS/JS等）ではなく、AIが1フレームずつリアルタイムに生成するインタラクティブ画像・映像として配信するアーキテクチャ。

公式発表の検証データ（UI再構築精度・視覚的一貫性評価）が示す通り、既存の大規模視覚言語モデル（VLM）を用いて、スクリーンショットからコードに変換してUIを再現する」アプローチでは、UIの視覚的複雑さが増すにつれて情報損失（情報劣化）が急激に拡大します。Solarisはこのコードへの翻訳ステップそのものをスキップします。

2. 従来型UIとSolarisの比較（アーキテクチャ比較）

3. 競合技術・別アプローチとの違い

1. vs. v0 / Bolt.new / Claude Artifacts（コード生成系ツール）
   • 相違点: コード生成ツールは「Web標準コード（React/HTML）を出力してブラウザで描画する」ため、決定論的でデバッグしやすいメリットがあります。一方Solarisは「コード化できない複雑な物理表現や未知のレイアウト」を1枚の画像アセットから直接生成できる点で異なります
2. vs. Unity / Unreal Engine（リアルタイムゲームエンジン）
   • 相違点: ゲームエンジンはインタラクティブな描画が得意ですが、C#やC++によるスクリプト記述、3Dモデルやシェーダーの構築があらかじめ必須です。Solarisは自然言語の指示と2Dアセットのみで動的なインタラクション空間を構築できます。
3. vs. OpenAI Sora / Runway Gen-3（従来の動画生成AI）
   • 相違点: 一般的な動画AIは一方向の映像出力（バッチ処理）ですが、Solarisはマウスクリックやドラッグなどの入力を毎フレームの生成プロセスに即座にフィードバックするインタラクティブなストリーミングエンジンです。

4. 解決した3つの主要な技術的課題

1. リアルタイム推論（1秒未満のレイテンシ）
   • 課題: 通常の動画拡散モデル（Diffusion Model）は描画に数秒〜数分を要する。
   • 解決策: 複数ステップのデノイズ処理を数ステップに蒸留（Distillation）し、過去フレームのみから次フレームを生成する自己回帰型（Autoregressive）パイプラインを構築。
2. 長時間のセッション一貫性（Coherence over Time）
   • 課題: 生成モデル特有の「文字の潰れ」や「レイアウト崩れ」の累積。
   • 解決策: 高速化したモデル自身の出力データを用いて追加学習（Self-Training）を施し、UIの文字やレイアウト形状を長時間安定化。
3. 演算コストの低減（Cost Optimization）
   • 課題: 全フレームを動画AIで出力するため、サーバーインフラコストが膨大。
   • 解決策: 推論効率の最適化により、通常の動画生成AIと比較して数桁（orders of magnitude）レベルのコストカットを実現。

5. Solarisの内部動作メカニズム（処理プロセス）

Solarisの内部動作は、単一の処理ではなく「ユーザー操作のシグナル化」「LLMによる意思決定」「Solarisによるリアルタイム生成」という一連のプロセスが連続して連動することで機能します。

まず、ユーザーが行ったクリック、ドラッグ、マウスポインタの移動といった操作イベントは、コードとして処理されるのではなく、テキストや画像プロンプトと同等の「コンディショニング（条件付け信号）」として変換されます。モデルは直前のフレーム群とこの操作シグナルを組み合わせ、「操作の後にどのような視覚変化が起こるべきか」を直接受け取ります。

次に、ユーザーの操作意図や文脈の解釈は、バックエンドで機能するLLM（言語モデル）が担当します。LLMは操作シグナルを受けて「現在のシーン内での物理変化にとどめるべきか、全く新しい画面へ遷移すべきか」といったハイレベルな論理判断を行い、次のフレームを描画するためのプロンプト（レンダリング指示）を生成します。

最後に、LLMからの描画指示と直近の操作シグナルを受け取ったSolaris（世界モデル）が、インタラクティブなフレーム生成の映像を1フレームずつリアルタイムに生成します。蒸留された高速推論パイプラインにより、1秒未満の低遅延で次の画面を出力し、結果としてユーザーには「操作に対して画面が即座に反応して生きているように動く」シームレスなインタラクションが提供されます。

6. Solarisの料金体系・利用コスト

公式研究発表時点におけるSolarisの価格構造およびコスト面の仕様は以下の通りです。

• 研究プレビュー段階の提供形態: Solarisは研究発表段階のモデルであり、単体の従量課金API（1分あたりの単価設定など）としての一般価格は未公開です。既存のRunwayプラットフォーム（Standard/Pro/Unlimited等の月額プラン、クレジット制）のエコシステムや企業向けカスタム提供枠に順次統合・展開される見込みです。
• モデル推論コストの圧倒的削減: 従来のバッチ型動画生成AI（Gen-3等）をUIとして常時ストリーミング配信する場合、莫大なサーバーコストが発生する点が課題でした。Solarisはパイプラインの蒸留と自己回帰型モデルの最適化により、従来の動画拡散モデルと比較して「数桁（orders of magnitude）安い運用コスト」を達成しています。
• API利用時の想定課金モデル: 将来的に外部提供される場合、従来の生成AI APIで一般的な「生成トークン数」や「秒数課金」ではなく、UIインタラクションのセッション時間やストリーミングフレーム数に応じた従量課金体系（またはAPIリクエストベース）が適用される見通しです。

7. Solaris導入・活用に関するFAQ

Q1. Solarisは既存のHTML/CSS/JavaScriptを置き換えるものですか？

A. すべてのWebサイトを置き換えるものではありません。既存の決定論的なテキスト中心のフォームやDB検索等には従来のWebコードが最適です。Solarisは「事前にコード化することが困難な複雑なインタラクション（3D操作、動的シミュレーション、リアルタイム試着等）」や「AIエージェントの訓練環境」において活用されます。

Q2. AIエージェント開発にどのような影響を与えますか？

A. 従来のAIエージェント（コンピュータユース機能など）は、特定のDOM構造やUI配置が変わると操作に失敗しやすい課題がありました。Solarisを用いることで「レイアウトが常に動的に変化する環境」を作り出せるため、未知の画面にも対応できる柔軟なAIエージェントの強化学習（RL）環境として機能します。

Q3. コードが存在しない場合、開発者はどのように挙動を定義しますか？

A. プログラミング言語でイベントハンドラーを記述する代わりに、初期画像（アセット）と自然言語の指示（プロンプト）を用いて「特定のオブジェクトをクリックしたときにどう反応するか」のルールを世界モデルに与えます。

8. まとめ

Runwayの「Solaris」（2026年8月31日発表）は、単なる映像生成技術の延長ではなく、ソフトウェアとユーザーの接点（UI/UX）の構築概念そのものを再定義するプロダクトです。

• 中間表現（コード）の撤廃: デザインと動作の翻訳損失がなくなり、自由度の高いUIを実現。
• リアルタイム世界モデル:1秒未満の低遅延推論とセッション一貫性の維持により、実用レベルのストリーミングUIを実現。
• 新たな学習環境: 変動し続ける画面構造を生成することで、堅牢なAIエージェントのトレーニング基盤として機能。

決定論的なコードベースUIと生成型世界モデルが役割分担を進める中で、フロントエンド開発やAIエージェント研究における重要なブレイクスルーとして今後の動向が注目されます。

9. 参考リンク

• 公式論文・発表記事: Runway Research – Introducing Solaris (August 31, 2026)
• 関連モデル情報: Runway General World Model (GWM-1)