编辑：定慧

　　【新智元导读】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。

　　Runway重夺全球第一！碾压谷歌Veo3，没千亿算力也能干翻科技巨头

　　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。

　　Runway重夺全球第一！碾压谷歌Veo3，没千亿算力也能干翻科技巨头

　　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重夺全球第一！碾压谷歌Veo3，没千亿算力也能干翻科技巨头

　　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。

　　Runway重夺全球第一！碾压谷歌Veo3，没千亿算力也能干翻科技巨头

　　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重夺全球第一！碾压谷歌Veo3，没千亿算力也能干翻科技巨头

    　　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！

    　　Runway重夺全球第一！碾压谷歌Veo3，没千亿算力也能干翻科技巨头

    　　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？

    　　Runway重夺全球第一！碾压谷歌Veo3，没千亿算力也能干翻科技巨头

    　　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。」

    　　Runway重夺全球第一！碾压谷歌Veo3，没千亿算力也能干翻科技巨头

    　　Runway重夺全球第一！碾压谷歌Veo3，没千亿算力也能干翻科技巨头

    　　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。

    　　Runway重夺全球第一！碾压谷歌Veo3，没千亿算力也能干翻科技巨头

    　　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。

    　　Runway重夺全球第一！碾压谷歌Veo3，没千亿算力也能干翻科技巨头

    　　Runway重夺全球第一！碾压谷歌Veo3，没千亿算力也能干翻科技巨头

    　　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：

    1. 非线性娱乐体验：
    2. 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」。
    3. 具身智能(EmbodiedAI)：
    4. 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。
    5. 个性化学习：
    6. 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。

    　　参考资料：