Runway GWM-1

是什么

GWM-1 是 Runway 于 2025 年 12 月 11 日发布的模型，Runway 称其为自己第一个「通用世界模型」（General World Model）^[1]。按 Runway 给出的定义，世界模型是一种 AI 系统，它先对环境建立内部表示，再用这个表示模拟该环境中将要发生的事件^[3]。落到 GWM-1 上，它输出的是持续向前推进的视频，而视频朝哪个方向发展由外部输入决定，不是在生成开始前就定死的。

这个区别之所以重要，是因为视频生成器和世界模型被要求做的事情并不一样。视频生成器主要被看画面像不像；世界模型被看的是环境在被施加动作之后是否还立得住——视点转开再转回来，原来在背后的东西应该还在原处。能把这种一致性维持住，输出才像一个可以走进去的模拟空间，而不只是一段片子。

怎么工作

GWM-1 是自回归（autoregressive）模型：它逐帧生成画面，而且是实时生成，不是一次性产出整段视频^[1]。自回归的意思是，每一步的输出都会作为下一步的条件被送回模型，已经生成的帧被用来决定下一帧长什么样。因为这个循环在播放过程中一直跑着，输出可以在生成的同时对输入作出反应，而不必等到生成结束再补救。实时生成正是让这种反应表现为「操控」而不是「后期修正」的前提。

被送进模型的条件，是所谓的「动作」（action）。GWM-1 以相机位姿、机器人指令和音频为条件^[3]。相机位姿决定视点在场景里怎么移动，机器人指令驱动模拟中的机械臂，音频驱动画面上发生的事情；这三类控制各自对应下面三个变体之一。生成分辨率为 720p，时长最长 2 分钟^[1]。

GWM-1 构建在 Gen-4.5 之上^[1]。

三个变体

发布时 GWM-1 有三个版本^[1]。GWM Worlds 提供可探索的环境，用户可以在场景中移动；GWM Avatars 提供可对话的角色，以 Runway Characters 的名义出售；GWM Robotics 面向机器人操作。

这三者在发布时是分别做过后训练（post-training）的独立模型，Runway 表示正在把它们所属的不同领域和动作空间统一到同一个基础模型之下^[3]。后训练指的是基础模型训练完成之后的阶段：基础模型先从大量数据里学到通用的结构，后训练再把它调整到具体任务或具体类型的控制信号上。保留三个后训练版本，意味着每一类动作空间——相机路径、对话、操作——都能单独调好，同时又共用同一个底座。统一起来则意味着一个模型就能同时接受这三种动作，不必再分成几个版本。

怎么用

Runway Characters 通过 Runway API 和网页产品提供；GWM Robotics 需要申请，并配套提供机器人 SDK^[1]。这种分发方式的差别和用途有关：角色模型可以像产品里的其他模型一样被调用，而操作模型必须接到具体的机器人及其控制链路上才能用。

处在什么位置

2026 年 2 月，Runway 完成了 3.15 亿美元的一轮融资，用途是预训练下一代世界模型^[2]。预训练是这类模型最靠前、也最费资源的一段：在针对具体任务做调整之前，先让模型接触足够多的材料，把某个领域里的规律学进去。把融资用途这样表述，等于把 GWM-1 放在了第一代的位置上——变体已经有了、能用了，而公司所说的下一步，那个统一的模型还要等训练完成。

这也点出了这条路线上的公开问题：能不能由同一个基础模型同时吃下相机控制、机器人指令和音频，而不是让三个后训练模型共用一个底座。按 Runway 的说法，这正是它正在做的事^[3]。