新智元報道

編輯：定慧

Runway Gen-4.5這波有點厲害！

剛剛更新的Runway Gen-4.5擊敗谷歌Veo3，重奪AI視頻王座！

在Artificial Analysis的榜單中Runway以1247的ELO分數拿下第一。

在觀看了RunwayGen-4.5的宣傳視頻后，被其中的一句話所打動：

我們創造了一個，你可以用來創造一切的的產品。

RunwayGen-4.5此前代號為WhisperThunder。

Gen-4.5采用最先進技術，在視頻生成的運動質量、提示詞遵循度和視覺保真度方面樹立了全新標桿。

以下是一些驚艷的例子。

RunwayGen-4.5在視頻模型的預訓練數據效率和后訓練技術方面均取得顯著進步，并成為用于世界建模的新基礎模型。

Gen-4.5在ArtificialAnalysis文本轉視頻排行榜中獲得1,247Elo積分，創下新標準并超越了全球所有其他AI視頻模型。

Runway是第一家將文生視頻技術真正做成可供大眾使用的SaaS產品的公司。

在2023年初，Runway率先推出了Gen-1（視頻生視頻）和Gen-2（文生視頻）。

當時谷歌的ImagenVideo和meta的Make-A-Video還停留在實驗室演示階段，而Runway直接讓普通用戶通過網頁就能生成視頻。

它是第一個讓「AI視頻生成」成為獨立商業賽道的公司，甚至早于OpenAI的Sora（Sora發布于2024年初）。

Gen-4.5實現了前所未有的物理精確度和視覺精度。

物體以逼真的重量、動量和力量運動。

液體以恰當的動力學特性流動。

表面細節以極高的保真度渲染。

而像發絲和材質編織這樣的精細細節在運動和時間內保持連貫。

在復雜場景、精細構圖、物理準確性上都表現出色，并且能生成富有表現力的角色。

Gen-4.5能夠處理從照片級真實感和電影感，到風格化動畫的廣泛美學風格，同時保持連貫的視覺語言。

Gen-4.5從初期研發、預訓練、后訓練到推理的整個開發過程完全基于英偉達GPU完成。

盡管能力有了飛躍，Rnway仍表現出視頻生成模型常見的若干限制：

因果推理：效果有時會先于原因出現（例如，門在按下把手之前就打開了）。

物體恒存性：物體可能在幀間意外消失或出現（例如，杯子被遮擋后消失）。

成功偏差：動作異常容易成功（例如，瞄準不佳的射門仍能得分）。

Runway創始人最新訪談

Runway Gen 4.5如何重塑模擬引擎革命？

Runway ML創始人Cristóbal Valenzuela訪談剛剛曝光！

視頻模型正從娛樂工具轉向世界模擬引擎，這是否預示AGI新時代的曙光？

Cristóbal Valenzuela在 Gen 4.5模型社區投票登頂視頻競技場排行榜后，與Lukas Biewald展開深度對話，剖析視頻建模領域的挑戰與創新。

視頻AI的終局是「世界模擬器」嗎？

以小博大：專注與效率的勝利

采訪一開始，Lukas就拋出了一個尖銳的問題：「Runway作為一個創業公司，是如何與擁有無限資源的谷歌競爭的？」

Chris的回答非常坦誠。七年前Runway剛成立時，甚至沒人覺得「視頻模型」是一個值得投入的領域。如今雖然行業已被引爆，且巨頭紛紛入局，但Chris認為資源仍然不是決定性因素。

專注(Obsession)：

相比大廠的廣泛布局，Runway擁有一支對視頻生成愿景極度癡迷的團隊。

效率(Efficiency)：

當你沒有幾千億美元可以揮霍時，你必須在訓練和推理的效率上極度創新。「在有限資源下做到世界第一，迫使我們變得更具創造力。」

二級標題煉丹的玄學：技術中的「品味」

Gen 4.5為什么能大幅領先？Chris提到了一個有趣的詞——「品味」(Taste)。

這里的「品味」指的不僅僅是生成畫面的美學風格，更多是指「如何訓練模型的直覺」。

模型訓練沒有單一的「魔法按鈕」。

它關乎成千上萬個參數的微調、無數個Tips&Tricks的組合。

Chris引用了Ilya Sutskever的觀點，認為現在是「擁有更大算力的基礎研究回歸之年」。誰更擅長做基礎科學實驗，誰就能領先。

超越語言：視頻模型即「世界模型」

這是本次采訪中最核心的觀點。

Chris認為，理解視頻模型的最佳方式，是將其視為「通用模擬引擎」(Universal Simulation Engines)。

語言的局限：

語言模型（LLM）受限于語言本身——語言只是人類對現實的一種抽象，而非現實本身。

觀察數據的力量：

視頻模型通過學習大量的觀察數據，能夠捕捉到物理世界的規律，如因果關系、空間與時間的連續性、物體恒存性等。

實測案例：Chris舉了一個內部測試的prompt例子：「一只袋鼠推著另一只坐在嬰兒車里的小袋鼠」。

這不僅需要模型理解復雜的生物運動，還要處理攝像機的跟隨運鏡。

Gen 4.5能夠完美處理這種復雜的物理交互，證明了它不僅僅是在生成像素，而是在理解物理世界。

未來的應用：從電影到機器人

如果視頻模型是「模擬引擎」，那它的應用場景將遠超現在的影視制作：

非線性娛樂體驗：

未來的游戲或互動內容可能不再是預先制作好的，而是實時生成的、可交互的「夢境」。

具身智能(EmbodiedAI)：

有開發者已經開始利用Runway生成合成視頻數據，用來訓練機器人的手臂操作。

個性化學習：

想象一下，你想學習任何知識，AI都能實時為你生成一段專屬的教學視頻。

在采訪的最后，Chris并沒有回避關于安全性的問題。

面對「AI生成內容對兒童限制過多」的抱怨，他表示這確實是一個艱難的平衡，但未來或許會出現類似流媒體平臺的「兒童模式」，把控制權交給家長。

Runway的野心從未止步于「視頻剪輯工具」。

正如Chris所言，他們正在構建的是一種新的媒介，一種能夠模擬萬物的智能系統。

我們首先模擬的是娛樂和媒體，但你會看到，這些模型將開始模擬遠超于此的一切。

參考資料：

https://runwayml.com/

秒追ASI

?點贊、轉發、在看一鍵三連?

點亮星標，鎖定新智元極速推送！