Runway Gen-4.5

是什么

Runway Gen-4.5 是 Runway 在 2025 年 12 月 1 日发布的视频生成模型^[1]。它接收文字提示，生成视频片段。发布时 Runway 声称它在三个方面达到当时的最好水平：运动质量、提示遵循度（prompt adherence）和画面保真度（visual fidelity）^[1]。这三项衡量的是不同的东西：镜头里的动作看起来可不可信、生成结果是否贴合提示词的具体要求、单帧画面是否干净细腻。

Gen-4.5 不是单独售卖的产品线，而是被放进所有付费 Runway 套餐，网页端和 iOS、Android 应用都能使用^[1]。

由来

按 Runway 自己的说法，Gen-4.5 处在这条产品线的末端，起点是 Gen-1——公司称它是第一个公开可用的视频生成模型，发布于两年前^[4]。从 Gen-1 到 Gen-4.5，这类系统从带有明显瑕疵的短片段，走向可用于实际制作的素材。

Runway 说这一代的提升来自两处：预训练（pre-training）的数据效率和后训练（post-training）技术^[4]。预训练是模型从大量视频中学习规律的漫长阶段，数据效率指的是同样的素材量能学到多少东西；后训练是之后的调整阶段，用经过筛选的样本、或人对输出的偏好判断，把模型推向特定行为，比如更听指令、动作更干净。Runway 的说法是这两个阶段都有改进。

Gen-4.5 保留了上一代 Gen-4 的速度与效率，并以与之前相当的价格提供给各个订阅套餐^[4]。它完全在 NVIDIA 的 GPU 上开发，而推理（inference）——也就是用户提出请求、模型真正生成一段视频的过程——跑在 NVIDIA 的 Hopper 和 Blackwell GPU 上^[1]。

表现

发布时，Gen-4.5 以 1,247 的 Elo 分数在 Artificial Analysis 的文生视频排行榜上排名第一，领先 Google Veo 3 的 1,226、Kling 2.5 的 1,225 和 OpenAI Sora 2 Pro 的 1,206^[1]。Elo 评分借自国际象棋，由大量两两对比累积而成：评测者看两段输出，挑出更好的一段。因此排在第一意味着它在这些对比中赢的次数更多，而不代表某种绝对水准；而且这里的分差很小，紧随其后的三个对手挤在一个窄区间里。

Runway 还报告了更好的物理准确性：物体有接近真实的重量感和动量，液体有正确的动力学表现^[1]。物理合理性是视频模型的典型弱点——只从画面外观学习，模型可能每一帧看着都对，连起来却不符合物理：球该减速时不减速，水像烟一样流。

局限

Runway 在公布成绩的同时也列出了失败之处：因果推理错误、物体恒存性（object permanence）问题，以及它所说的「成功偏好」——动作成功的次数过多^[1]。因果推理指的是把原因和结果对应起来，理解一件事是由另一件事引起的，而不只是先后发生。物体恒存性这个词借自发展心理学，指物体离开画面或被短暂遮挡后依然存在、并且保持前后一致。「成功偏好」既是数据问题也是建模问题：如果训练素材里的视频大多是任务被完成的场景——门被推开、东西被接住——模型就容易让每一次尝试都成功，看上去就不真实了。

音频与剪辑

2025 年 12 月 11 日，Runway 宣布为 Gen-4.5 加入原生音频生成，包括对白、音效和背景音，同时提供音频编辑和多镜头编辑^[2]。到 2026 年 2 月，TechCrunch 描述 Gen-4.5 已经加入原生音频、长视频与多镜头生成、角色一致性和编辑工具^[3]。这些能力合起来，把视频模型从「生成一段孤立的片段」推向「生成可以组装成序列的素材」：角色前后一致，声音连续。

在发展中的位置

Runway 的第一个世界模型 GWM-1 就建在 Gen-4.5 之上^[2]。世界模型一般指学习环境如何运作、并预测其中接下来会发生什么的系统，而不只是按指令渲染画面；视频生成是通向它的一条路径，因为要预测一个场景的后续画面，模型必须对场景如何运作有某种理解。把 GWM-1 建在 Gen-4.5 上，等于让这个视频模型成为那条路线的底座。