# コードのいらないアプリ？ Runway「Solaris」が描くインターフェース世界モデル

- 番組: [The Neuron: AI Explained](https://ai-curator.jp/podcasts/shows/cmv8ukqpj0003711052b4okte)（The Neuron）
- 元のタイトル: What If Apps Didn’t Need Code?
- 配信日: 2026年10月15日
- 長さ: 50分
- 要約作成日: 2026年10月15日
- トピック: [#世界モデル](https://ai-curator.jp/topics/%E4%B8%96%E7%95%8C%E3%83%A2%E3%83%87%E3%83%AB) [#Solaris](https://ai-curator.jp/topics/Solaris) [#Runway](https://ai-curator.jp/topics/Runway) [#動画生成](https://ai-curator.jp/topics/%E5%8B%95%E7%94%BB%E7%94%9F%E6%88%90) [#ロボティクス](https://ai-curator.jp/topics/%E3%83%AD%E3%83%9C%E3%83%86%E3%82%A3%E3%82%AF%E3%82%B9) [#LLM](https://ai-curator.jp/topics/LLM)
- URL: https://ai-curator.jp/podcasts/cmv8ukr4c000g7110whwzptn1

## 要約

Runway共同創業者のAnastasis Germanidis氏が、HTMLやCSSを使わずピクセルを直接生成する「インターフェース世界モデル」Solarisを解説した回。マウスやキーボード入力に反応してフレームごとにUIを生成し、論理やツール呼び出しはLLMやエージェントが担う構成を想定している。個人向けUI、レイテンシやローカル/クラウドのハイブリッド構成、ロボット評価、世界モデルの長期的な展望も語られた。

## ポイント

- Solarisは大量の画面録画やソフトウェア操作データから学習し、マウス・キーボード入力を受けてコードを介さずにピクセルを直接生成する世界モデルである。
- 状態管理はフレーム履歴を文脈として保持するほか、フロントをSolaris、バックエンドをLLMやエージェントが担う組み合わせを想定している。マークダウンで状態を記録する例も挙がった。
- LLMにコードでUIを再現させる比較では、静止デザインは再現できても動きや操作感に粗が出るという。ユーザー調査ではSolarisの出力が好まれたと述べている。
- 課題は長期的な一貫性（部屋に戻った際の細部維持など）と低レイテンシ。軽量なローカルモデルとクラウドの大型モデルを組み合わせるハイブリッド構成が有望との見方を示した。
- ロボティクスではRoboArenaの実機結果とGWM内のシミュレーション結果の順位相関が0.95で、世界モデル内での評価がコスト効率に優れると説明した。
- リアルタイムモデルは推論単価が安くなるが利用時間が長くなる。Runwayは最終的に単一の統合モデルへ向かうと見ており、3年以内にロボティクスの本番利用が進むと予想している。

## 章立て

- [02:06] **Runwayと世界モデルの位置づけ** — 動画生成の研究から世界モデルへ至る流れと、世界モデルを「行動を入力とする学習可能なシミュレータ」とする定義が語られる。
- [05:16] **Solarisの仕組み：コードなしでUI生成** — HTML/CSSを使わずピクセルを直接生成する仕組みと、フレーム履歴やVLM・LLMによる状態管理が説明される。
- [11:22] **パーソナライズUIとウェブの未来** — LLMのモデル挙動のようにUIもプロンプトで好みに合わせられる可能性や、MCPなどLLM資産との連携が議論される。
- [15:33] **プロトタイピング・EC・画面を超える可能性** — Figmaデザインの即時アニメーション、仮想試着、レスポンシブ対応、VRやホログラム、音声入力への展開が語られる。
- [22:41] **課題とハイブリッド構成** — 長期的な一貫性とレイテンシが主な課題であり、ローカルの軽量モデルとクラウドモデルの併用が将来像として示される。
- [29:09] **ロボティクスと評価** — データ収集のボトルネックを動画モデルで補う考え方と、RoboArenaとの相関0.95の検証結果が紹介される。
- [33:10] **価格・統合モデル・クリエイティブ事業** — リアルタイムモデルのコスト感、単一基盤モデルへの収束、ハリウッドとの協業や長編AI映画の見通しが語られる。
- [46:06] **3年後の展望** — ロボティクスでの本番利用、リアルタイム動画生成の標準化、日常ソフトの多くが生成される未来への期待が述べられる。

## 解説記事

Runwayの共同創業者でco-CEOのAnastasis Germanidis氏が、The Neuronに出演し、新モデル「Solaris」を語った。Solarisは、ソフトウェアのインターフェースをHTMLやCSSで描画するのではなく、フレームごとのピクセルとして直接生成する「インターフェース世界モデル」である。番組では、その仕組み、課題、ロボティクスへの応用、世界モデル全体の展望が議論された。

#### 世界モデルとは何か：動画生成の延長線上

Germanidis氏によれば、Runwayは動画生成の研究を5年以上続けてきた。同氏は、人間が作業する動画をうまく予測するには物理や物体同士の相互作用を理解する必要があり、その理解は動画生成の外でも使えると考えてきたという。世界モデルはその延長にあり、同氏は「環境の学習可能なシミュレータ」で、行動を入力に結果を試せるものと定義する。ロボットならアームの動きやグリッパーの状態、Solarisならマウスクリックやキー入力が行動にあたる。環境は現実世界でも画面上のデジタル世界でもよく、リアルタイムかつ連続的な行動入力が条件だという。

#### Solarisの仕組み：コードを介さないUI

Solarisは、ウェブサイトやゲームなどの大量の操作録画から、ボタンを押したときの挙動などを学習したとされる。従来はフロントエンド開発でHTML/CSSを書く（近年はコーディングエージェントが書く）ことでUIが描画されるが、Solarisは入力から直接ピクセルを出力する。氏は、機械学習の教訓は中間工程を取り除き入力から出力への写像を学ぶことだと述べた。

状態の扱いについては、モデルが過去のフレーム履歴を文脈として保持する。加えて、Solarisをフロントエンド、LLMやエージェントをバックエンドとする構成を想定し、操作を解釈するVLM（視覚言語モデル）が並行して動くという。必要ならマークダウンに「ユーザーがXをした」と記録する使い方もあり得ると語った。LLMは柔軟なのにUIは固いHTML/CSSのままで、UIもLLM並みに柔軟であるべきだというのが発想の核だ。

#### 想定される用途：試作からパーソナライズ、EC

最初の用途として挙げられたのはデザインのプロトタイピングだ。Figmaで作ったデザインを即座にアニメーションさせて触れるようにできるという。Runwayは、LLMにデザインをコードで再現させた場合と比較するユーザー調査も行った。静止状態は再現できても操作すると欠点が見えやすく、動きや挙動を学んだ動画モデルのSolarisのほうが選好が高かったと述べている。

また、LLMで言うモデルの振る舞いの調整と同様に、情報密度の高いUIや大胆なデザインなど、好みをシステムプロンプトで指定できる構想も示された。生物学の細胞内部の可視化や旅行先の探索のように視覚的な探索が必要な場面では、その場で生成されるUIが有用だという。ECでは仮想の棚から服を取り出す試着体験の設計パートナーシップを進めていると説明した。画面サイズへの適応が容易な点も利点として挙げた。司会陣は、ウェブがマークダウンやAPI、データベースの集まりに近づくのかと問い、氏は十分あり得る将来像だとの見方を示した。

#### 課題：長期的な一貫性とレイテンシ

氏が挙げた主な課題は二つある。一つは長期的な持続性で、特にオープンワールド的な体験では、部屋を出て戻ったときに細部が維持されるかといった長文脈の問題がある。UIはゲーム世界より操作が限られるため比較的易しく、氏は解決可能とみている。もう一つはレイテンシで、半秒の遅延でも対話型インターフェースでは体験を損なうと述べた。

解決策として、高FPSで描画する軽量モデルをローカルで動かし、クラウドの強力なモデルが疎な文脈を渡すハイブリッド構成が有力だとした。司会からは、背後でコーディングエージェントが配置を下書きする併用案も出た。

#### ロボティクス：世界モデルによる評価

ロボティクスでは、データ収集が最大のボトルネックだと氏は説明する。ハードウェア調達に時間と費用がかかり安全面の懸念もあるうえ、実環境に出すには十分な性能が要るという「鶏と卵」の問題がある。動画モデルは、自動運転で稀な悪天候や歩行者の飛び出しといったロングテールの状況を生成するのが得意だという。

評価面では、ロボット版LM Arenaにあたるベンチマーク「RoboArena」の実機結果と、同じ方策をGWM-1内でシミュレートした結果を比較し、8つのロボット方策で0.95の順位相関を報告した。実機で成功する方策はシミュレーションでも成功しやすく、失敗も同様だったという。これにより世界モデル内での評価をより低コストかつ大規模に行えると述べた。ただし司会者が触れたとおり、成功率の絶対値を完全に予測するものではない。

#### 統合モデルへの道と今後の見通し

コストについては、リアルタイムモデルは最適化が必要なため、旗艦動画モデルのGen 4.5より単価は安いが品質は劣り、利用時間が長くなると述べた。基盤モデルは共通で、Runwayの計算資源の約90%が事前学習に使われ、世界モデルはそこからポストトレーニングで作られるという。氏は、物理などの重要な能力は事前学習で獲得されるため、既存の動画モデルの上に世界モデルを作る道は難しいと見ている。最終的にはゲームから物理世界まで単一モデルが担い、高レベル計画とファインな動作を別モデルで担う現在の構成も、いずれ統合されると予想する。

3年後の指標としては、ロボティクスでの世界モデルの本番利用（もっと早いとの見立て）、動画生成のデフォルトがリアルタイムになること、日常のソフトウェアの相当部分が動画モデルまたはハイブリッドな統合モデルで生成されることを挙げた。

#### まとめ

Solarisは、UIを「書くもの」から「学習済みモデルが生成するもの」へ変える試みであり、実現にはレイテンシと長期の一貫性という実務上の壁が残る。ただ、LLMをバックエンドとする分業やハイブリッド構成は、エンジニアにとって現実的な設計の手がかりになる。ロボティクスの評価で相関0.95という数値が出ている点も注目に値する。日本の読者にとっては、UI設計・プロトタイピングやロボット開発の評価工程が世界モデルでどう変わりうるかを考える材料となる。なお、これらはRunway側の自己評価と展望であり、実際の普及や精度は今後の検証を待つ必要がある。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: The Neuron: AI Explained「What If Apps Didn’t Need Code?」