2026 年 9 月 3 日，Runway 在研究页面发布 GWM Worlds 2，页面标注为研究预览（Research Preview）。它是 2025 年 12 月展示的 GWM Worlds 的下一代：实时生成连续的 720p、24 fps 视频和 48,000 Hz 音频，用户在生成过程中用文本动作和摄像机输入操控世界，世界从每次输入后的状态接着演进，不按固定片段或脚本播放。官方列出的相对上一代的新增内容，是音频生成以及对主体和场景更细的控制。
已知事实
- 规格：GWM Worlds 2 是自回归扩散音视频模型，生成 720p、24 fps 视频与 48,000 Hz 音频；视频与音频解码器均为因果结构，带缓存以加快解码。
- WorldPrompt 输入格式：Runway 把一个世界拆成两类状态，一类持续存在，一类随时间变化，对应两层输入。持续层包括创世提示词（genesis prompt，写明环境布局、材质、光照与环境声，可参与事件的主体及其属性，以及从重力、碰撞到角色能力、摄像机视角的「法则」）和一张用于视觉定位的首帧；变化层是带时间戳的事件流，每个动作是一段指向某个主体或整个场景的自由文本，带起止时间，多个动作可以重叠，另有逐帧的摄像机平移与旋转输入。
- 训练路线：先用 WorldPrompt 格式微调自研音视频基础模型。微调后的模型是双向结构，速度不够，也无法自回归生成，Runway 再把它后训练成实时自回归模型，也就是 GWM Worlds 2，因此不受固定时长限制，可以一直生成下去。每一步自回归生成以三类上下文为条件：全局上下文（创世提示词与首帧）、当前帧输入（摄像机与覆盖当前帧的文本动作）、以滑动窗口缓存的历史帧。
- 可操控内容：支持第一人称和第三人称的行走、驾驶、骑行，摄像机与主体可以分别控制；主体和场景可执行奔跑、攀爬、跳跃，开灯、改灯色，舞台起火等动作与事件；角色能对话，可控制语音、语气和语种，口型与台词同步生成；常用动作可以绑定到按键。
- 三种使用方式：预先编写（一次写好整条事件流再生成，官方列举的用途是电影与广告）、回合制（生成到决策点暂停，用户选动作后继续，用于视觉小说、互动影像）、实时（生成持续进行，动作即时生效，用于游戏与互动体验）。官方称目前预先编写方式的画面质量更好，因为文本能提前描述更多场景细节；实时演示中，按键和鼠标绑定的是预设动作提示词。
- 其他演示：可以用一段已有视频（示例为 8 秒生成视频）预填充，再接着实时游玩，模型保持环境与音频一致；可让智能体同时控制角色和环境，把 GWM Worlds 2 当作评估、训练智能体的模拟环境，在「走到红旗或蓝旗」的简单测试中，智能体首次尝试即完成；多人可按角色（玩家 1、玩家 2、导演）分别控制各自的主体，演示用 LiveKit 向所有参与者推送音视频；还可借助大语言模型，从一句描述生成首帧、创世提示词和绑定到按键的动作预设。
- 官方列出的方向：互动娱乐、虚拟角色、机器人与具身智能体模拟、生成式设计与界面。
- 官方说明的局限：实时生成仍以画质换速度；快速旋转等较难的摄像机输入会让细节、纹理和几何退化；长期记忆不完善；除首帧或预填充的音视频外，不支持其他图像参考；要充分利用自由文本控制，可能需要外部实时系统跟踪世界状态、即时生成动作，例如 NPC 与玩家的对话。
- 开放状态：研究页面标注为研究预览，未写明对外开放方式与时间表。
- 上一代 GWM-1：2025 年 12 月 11 日，Runway 发布基于 Gen-4.5 的自回归通用世界模型 GWM-1，分为 GWM Worlds（可探索环境）、GWM Avatars（对话角色）、GWM Robotics（机器人操作）三个后训练变体，官方称计划把它们统一到一个基础世界模型中；GWM-1 页面列出的规格为最长 2 分钟视频、720p，TechCrunch 报道 GWM-Worlds 以 24 fps、720p 运行。
横向与纵向定位
横向看，近一年多来已有几家公开了实时或可交互世界模型的具体指标。Google DeepMind 2025 年 8 月发布的 Genie 3 可以根据文本提示生成可实时漫游的世界，24 fps、720p，一致性可维持几分钟，并支持用文本触发「可提示的世界事件」，例如改变天气、加入新物体和角色；2026 年 1 月 29 日，Google 向美国 18 岁以上的 Google AI Ultra 订阅用户开放实验原型 Project Genie，生成时长限制为 60 秒，世界事件功能暂未放进原型。World Labs 9 月 1 日发布的 Atlas 侧重按机位生成与场景重建：原生处理文本、图像、视频和 3D，把精确的摄像机几何作为输入，示例用少量参考图生成 1 分钟、1440p 的视频，也能从照片重建真实场景，目前以早期访问形式向部分合作方开放。GWM Worlds 2 与 Genie 3 的分辨率、帧率相同；Runway 官方材料着重介绍的是另外几项：同步生成 48 kHz 音频和角色对白，文本动作可以带时间戳、指向具体主体，多名用户可以分角色同时操控。
纵向看，Runway 在 2025 年 12 月的 GWM-1 页面称，两年前已提出「通用世界模型」研究方向。2025 年 12 月的 GWM-1 把能力拆成环境、角色、机器人三个独立模型，列出的规格是 720p、最长 2 分钟；9 个月后的 GWM Worlds 2 仍是 720p、24 fps，变化落在音频、主体级的文本控制和不设预设时长上。同一时期 Runway 围绕实时生成连续发布了几项工作：8 月 31 日的 Solaris 被 Runway 称为「界面世界模型」，逐帧实时生成应用和网页界面，GWM Worlds 2 页面列出的方向里也有「生成式设计与界面」；9 月 8 日，专注三维人体动作与物理一致视频生成的巴黎研究实验室 Kinetix 团队加入 Runway，官方称将用于推进面向机器人的世界模型研究；9 月 10 日的研究文章讨论缩短首帧等待时间、边提示边流式输出视频；9 月 16 日的安全文章说明，实时视频流在最终安全检查之前就会显示给用户，因此在输入审核和最终审核之外，增加了对视频流的逐帧同步审核，平均审核耗时不到 0.5 秒。
⚠️ 待核实：官方页面没有给出实时交互的端到端延迟、所需算力和单次会话成本；「会话没有预设时长」为官方表述，受「长期记忆不完善」的限制，实际能连续运行多久、画面能保持多久一致，需以公开试用检验；预先编写与实时两种方式的画质差距只有官方的定性描述；智能体走到旗帜的测试是官方演示中的简单场景。
参考来源：
- Runway Research·Introducing GWM Worlds 2（2026-09-03）：https://runway.com/research/introducing-gwm-worlds-2
- Runway Research·Introducing Runway GWM-1（2025-12-11）：https://runway.com/research/introducing-runway-gwm-1
- TechCrunch（2025-12-11，GWM-1 发布）：https://techcrunch.com/2025/12/11/runway-releases-its-first-world-model-adds-native-audio-to-latest-video-model/
- Runway News·Introducing Solaris（2026-08-31）：https://runway.com/news/research/introducing-solaris
- Runway News·The Kinetix Team is Joining Runway（2026-09-08）：https://runway.com/news/company-news/kinetix-joins-runway
- Runway News·Towards Instant Video Generation（2026-09-10）：https://runway.com/news/research/towards-instant-video-generation
- Runway News·Moderation in Real Time（2026-09-16）：https://runway.com/news/safety/moderation-in-real-time
- Google DeepMind·Genie 3（2025-08-05）：https://deepmind.google/blog/genie-3-a-new-frontier-for-world-models/
- Google 官方博客·Project Genie（2026-01-29）：https://blog.google/innovation-and-ai/models-and-research/google-deepmind/project-genie/
- World Labs·Atlas（2026-09-01）：https://www.worldlabs.ai/blog/atlas