Runway เปิด Solaris — "อินเทอร์เฟซที่ไม่มีโค้ด" ที่เรนเดอร์ UI ทีละเฟรมด้วยโมเดลวิดีโอ ชนะโค้ดที่ Claude Opus 5 เขียนในการโหวตของผู้ใช้ 250 คน

31 สิงหาคม 2026 Runway เผยแพร่งานวิจัยชื่อ Solaris และเรียกมันว่าโมเดลตัวแรกในตระกูลใหม่ที่ตั้งชื่อเองว่า Interface World Models ไอเดียตั้งต้นสั้นและสุดโต่ง: อินเทอร์เฟซของแอปไม่จำเป็นต้องถูกแปลงเป็นโค้ดแล้วให้เบราว์เซอร์เรนเดอร์ — โมเดลเรนเดอร์มันออกมาเป็นภาพทีละเฟรมได้เลย โดยรับการกระทำของผู้ใช้ (คลิก ลาก พิมพ์ พูด) เป็นสัญญาณกำกับการสร้างเฟรมถัดไป

พูดอีกแบบคือ นี่ไม่ใช่ AI ที่ เขียนแอปให้ แต่เป็น AI ที่ เป็นตัวแอปเอง — ไม่มี DOM ไม่มีโค้ด ไม่มีสถานะที่เก็บเป็นตัวแปร มีแต่เฟรมถัดไปที่ถูกสร้างจากเฟรมก่อนหน้าและสิ่งที่ผู้ใช้เพิ่งทำ

ประกอบขึ้นจากสามชิ้น

Runway อธิบายสถาปัตยกรรมไว้เป็นสามส่วนที่ทำงานร่วมกัน:

1. โมเดลวิดีโอ ที่ดัดแปลงมาจาก Gen-4.5 ซึ่งเป็นโมเดลสร้างวิดีโอตัวหลักของบริษัทเอง โดยแก้ให้รับ “การโต้ตอบของผู้ใช้” เป็น conditioning signal
2. โมเดลภาษา ที่ตีความคำขอและตัดสินว่าอินเทอร์เฟซควรเปลี่ยนไปอย่างไร
3. การสร้างเฟรมแบบ autoregressive ที่ “แต่ละเฟรมขึ้นกับสิ่งที่มาก่อนหน้าเท่านั้น”

เพื่อให้ทันเรียลไทม์ Runway บอกว่ากลั่น (distill) กระบวนการ denoising หลายสิบสเต็ปให้เหลือไม่กี่สเต็ป และเทรนโมเดลบนเอาต์พุตของตัวเอง เป้าหมายที่ตั้งไว้มีสามข้อ: การโต้ตอบแบบเรียลไทม์ ความต่อเนื่องตลอดเซสชัน และคุณภาพภาพที่ยังอยู่ได้ที่ 720p

เรื่องความหน่วง Runway ไม่ได้ประกาศตัวเลขที่วัดได้จริงออกมา สิ่งที่เขียนไว้คือเกณฑ์เชิงประสบการณ์ว่า “การโต้ตอบจะเลิกรู้สึกเหมือนโต้ตอบราว ๆ ครึ่งวินาทีของความหน่วง” — ควรอ่านให้ตรงว่านี่คือ เป้าที่ตั้งไว้ ไม่ใช่สเปกที่วัดแล้ว สื่อหลายเจ้าแปลงประโยคนี้เป็น “หน่วงต่ำกว่า 500ms ต่อเฟรม” ราวกับเป็นสเปกของผลิตภัณฑ์ ซึ่งเอกสารต้นทางไม่ได้พูดแบบนั้น

ตัวเลขที่ Runway วัดเอง — และวัดกับใคร

Runway เผยแพร่การประเมินสองชุด และทั้งสองชุดเป็นการวัดของ Runway เอง

ชุดแรก — reconstruction study ทดสอบว่าโมเดล multimodal สร้างอินเทอร์เฟซขึ้นใหม่จากภาพหน้าจอได้ดีแค่ไหน โดยใช้ 30 อินเทอร์เฟซ และเทียบกับ Claude Fable 5, GPT-4o และ Gemini 2.5 Pro ข้อสรุปคือ “โมเดลภาษาทุกตัวสูญเสียข้อมูลระหว่างการสร้างใหม่” และยิ่งภาพซับซ้อนยิ่งแย่ลง

ตรงนี้มีจุดที่ต้องพูดตรง ๆ: GPT-4o และ Gemini 2.5 Pro ไม่ใช่รุ่นร่วมสมัยของเดือนกันยายน 2026 ทั้งคู่ห่างจากแนวหน้าปัจจุบันหลายรุ่น การเอาไปเทียบแล้วสรุปว่า “โมเดลภาษาทุกตัว” ทำไม่ได้ จึงเป็นข้อสรุปที่กว้างเกินกว่าชุดทดสอบจะรองรับ มีเพียง Claude Fable 5 ตัวเดียวที่พอเรียกได้ว่าใหม่

ชุดที่สอง — user study ใช้ ผู้เข้าร่วม 250 คน กับ 30 ตัวอย่างการโต้ตอบ เก็บ การเปรียบเทียบแบบจับคู่เกือบ 7,500 ครั้ง โดยเทียบ Solaris กับผลลัพธ์ที่ “โมเดลภาษาระดับแนวหน้า (Claude Opus 5)” เขียนเป็นโค้ด คำถามที่ถามมีสองข้อ:

คำถาม	Solaris	ผลจากโค้ด	เสมอ
ผลลัพธ์ไหนทำตามคำสั่งได้ดีกว่า	61%	24%	13%
อันไหนมีพฤติกรรมเป็นธรรมชาติกว่าในฉากนั้น	71%	21%	6%

ตัวเลขนี้น่าสนใจจริง แต่ต้องอ่านคู่กับสิ่งที่มันวัด — มันวัด ความรู้สึกของคนดูต่อคลิปการโต้ตอบ ไม่ได้วัดว่าอินเทอร์เฟซนั้นใช้งานจริงได้นานแค่ไหน ถูกต้องแค่ไหน หรือเชื่อมกับระบบอื่นได้หรือไม่

ข้อจำกัดที่ Runway เขียนเอง

ส่วนที่ผมคิดว่าเป็นเครดิตของเอกสารฉบับนี้คือ Runway ระบุข้อจำกัดไว้ชัดและไม่พยายามกลบ:

• ข้อความ — “ข้อความที่นิ่งและอ่านออกยังเป็นหนึ่งในปัญหาที่ยากที่สุดของการสร้างวิดีโอ ทั้งที่อินเทอร์เฟซพึ่งพามันมากกว่าโดเมนภาพอื่นแทบทุกโดเมน” นี่คือข้อจำกัดที่ขัดกับตัวงานโดยตรง เพราะ UI คือข้อความเป็นหลัก
• ความน่าเชื่อถือ — “สำหรับประสบการณ์เชิงการสอนหรือเชิงพาณิชย์ คำตอบที่ผิดแต่ดูน่าเชื่อ แย่กว่าการไม่มีคำตอบ”
• เซสชันยาว — การรักษาความต่อเนื่องทั้งเชิงภาพและเชิงความหมายตลอดการใช้งานแบบเปิดยังเป็นงานวิจัยที่ยังไม่จบ
• การเข้าถึงและการเชื่อมต่อระบบ — อินเทอร์เฟซที่ถูกสร้างขึ้นยังต้องทำงานร่วมกับสแตกซอฟต์แวร์ที่เหลือให้ได้

ข้อสุดท้ายมีน้ำหนักมากกว่าที่ดู เพราะเมื่อไม่มี DOM ก็ไม่มี accessibility API ไม่มีอะไรให้ screen reader อ่าน ไม่มีอะไรให้เครื่องมือทดสอบอัตโนมัติจับ และไม่มีอะไรให้ตรวจสอบย้อนหลังได้

สถานะปัจจุบัน: Solaris เป็น งานวิจัย ไม่ใช่ผลิตภัณฑ์ ณ วันที่เขียน มีเพียงฟอร์มขอ early access — ไม่มีราคา ไม่มี API สาธารณะ ไม่มีการเปิดให้สมัครทั่วไป และไม่มีกำหนดเปิดตัว

มุมมอง AI Curator

ผมคิดว่าคุณค่าของ Solaris ตอนนี้อยู่ที่คำถามที่มันตั้ง มากกว่าคำตอบที่มันให้

คำถามนั้นคือ — โค้ดคือสิ่งที่เราต้องการจริง ๆ หรือเป็นแค่วิธีเดียวที่เรามีมาตลอด? สี่สิบปีที่ผ่านมา การจะทำให้พิกเซลตอบสนองการคลิกได้ต้องผ่านโค้ด เพราะไม่มีทางอื่น Solaris เสนอว่ามีทางอื่นแล้ว และในมิติที่มันวัด — “ทำตามคำสั่งได้ดีกว่า” “เป็นธรรมชาติกว่า” — มันชนะ

แต่คำถามที่เอกสารฉบับนี้ยังไม่แตะเลยคือ โค้ดให้อะไรกับเราอีกนอกจากการเรนเดอร์ และคำตอบยาวกว่าที่คิด: โค้ดตรวจสอบได้ ทดสอบซ้ำได้ ให้ผลเดิมทุกครั้ง ทำ diff เพื่อดูว่าเปลี่ยนอะไรไปได้ ให้ screen reader อ่านได้ ให้ผู้ตรวจสอบภายนอกยืนยันได้ว่ามันทำอะไรกับข้อมูลผู้ใช้ คุณสมบัติทั้งหมดนี้หายไปพร้อมกันเมื่ออินเทอร์เฟซกลายเป็นสตรีมวิดีโอ — และนั่นตัดโดเมนอย่างธนาคาร สาธารณสุข และงานภาครัฐออกไปในเชิงโครงสร้าง ไม่ใช่เพราะโมเดลยังไม่เก่งพอ แต่เพราะรูปแบบผลลัพธ์ไม่รองรับการตรวจสอบตั้งแต่ต้น

ผมจึงคิดว่าที่ทางที่แท้จริงของเทคโนโลยีนี้ในระยะสั้นไม่ใช่ “แทนแอป” แต่คือ ที่ที่ความถูกต้องไม่สำคัญเท่าความรู้สึก — พรีวิวสินค้า การลองเสื้อผ้าเสมือน ฉากสาธิตเชิงการตลาด สื่อการสอนเชิงภาพ ต้นแบบที่เอาไว้ถกกันก่อนลงมือสร้างจริง ซึ่งบังเอิญตรงกับตัวอย่างที่ Runway ยกมาเองเกือบทั้งหมด

สำหรับไทยและอาเซียน ผมเห็นสองเรื่องที่ควรจับตา เรื่องแรกคือด้านบวก: อีคอมเมิร์ซและไลฟ์คอมเมิร์ซในภูมิภาคนี้แข่งกันที่ประสบการณ์การดูมากกว่าที่ฟีเจอร์ และเป็นตลาดที่การ “ลองของก่อนซื้อ” ยังทำได้ไม่ดีนัก ถ้าอินเทอร์เฟซที่ปรับตัวตามผู้ใช้แต่ละคนทำได้จริงในราคาที่รับได้ นั่นคือของที่ตรงกับความต้องการของตลาดนี้พอดี

เรื่องที่สองคือด้านที่ต้องระวัง และผมคิดว่าสำคัญกว่า — ข้อจำกัดเรื่อง “ข้อความอ่านออก” ไม่เท่ากันในทุกภาษา โมเดลสร้างภาพในปัจจุบันเรนเดอร์อักษรละตินได้ดีขึ้นมากในสองปีที่ผ่านมา แต่ภาษาไทยยังเป็นกรณีที่ยากกว่ามาก ด้วยสระบนล่าง วรรณยุกต์ซ้อนชั้น และการไม่เว้นวรรคระหว่างคำ ผลคือถ้า Solaris หรือของแบบเดียวกันเปิดใช้จริง อินเทอร์เฟซภาษาอังกฤษจะพร้อมก่อนอินเทอร์เฟซภาษาไทยเป็นรอบ ๆ และไม่ใช่แค่ช้ากว่า — อินเทอร์เฟซที่แสดงราคาหรือชื่อสินค้าผิดเพี้ยนเพราะเรนเดอร์อักษรพลาด สร้างความเสียหายจริงในบริบทการซื้อขาย ทีมไทยที่สนใจของแบบนี้ควรทดสอบด้วยข้อความไทยจริงตั้งแต่วันแรก ไม่ใช่ประเมินจากเดโมภาษาอังกฤษ

สุดท้าย ข้อสังเกตที่ผมคิดว่าตรงที่สุด — Runway เขียนเองว่า “คำตอบที่ผิดแต่ดูน่าเชื่อ แย่กว่าการไม่มีคำตอบ” ประโยคนี้เป็นคำอธิบายของปัญหาโมเดลกำเนิดทั้งหมดมาสามปี ความต่างคือรอบนี้มันย้ายจากข้อความที่เราอ่านแล้วสงสัยได้ ไปอยู่ในสิ่งที่หน้าตาเหมือนปุ่มที่เรากดได้ — และคนเรามีนิสัยตรวจสอบข้อความมากกว่าตรวจสอบปุ่ม

แหล่งข่าว

• Runway — Introducing Solaris (31 ส.ค. 2026)
• The Decoder — Runway’s Solaris is an AI system that generates software interfaces in real time
• Crypto Briefing — Runway unveils Solaris, a real-time interactive interface model that generates apps without code