استارتاپ Runway با تیمی متشکل از تنها 100 نفر، از مدل ویدیویی جدید خود به نام Gen-4.5 رونمایی کرد که در بنچمارک های مختلف مدل های غول های فناوری مانند گوگل و OpenAI را پشت سر گذاشته است. این مدل جدید با درک عمیق از فیزیک و جزییات بصری خیره کننده ادعا می کند که مرز بین واقعیت و ویدیوهای ساختگی را کمرنگ تر از همیشه کرده است.

تمرکز اصلی Runway در مدل Gen-4.5، نه فقط کیفیت تصویر، بلکه دقت فیزیکی بوده است. برخلاف مدل های قبلی که اشیا در آنها شناور بودند یا حرکات غیرطبیعی داشتند، Gen-4.5 وزن، تکانه و نیرو را درک می کند.

مایعات در این مدل با فیزیک واقعی جریان می یابند و رفتار طبیعی دارند. همچنین این مدل پرامپت های پیچیده متنی را با دقتی بی سابقه اجرا می کند و جزییات صحنه را نادیده نمی گیرد. خروجی ها نیز به قدری به واقعیت نزدیک هستند که تشخیص آنها از فیلم برداری واقعی دشوار است.

نتایج بنچمارک مستقل Video Arena (که براساس رأی کاربران تنظیم می شود) شوکه کننده است. در این رتبه بندی، مدل Gen-4.5 در جایگاه اول قرار گرفته است. این درحالی است که مدل Veo 3 گوگل در رتبه دوم و مدل مشهور Sora 2 Pro از OpenAI در رتبه هفتم جای گرفته اند.

مدیرعامل Runway می گوید: ما با یک تیم 100 نفره توانستیم بر شرکت های تریلیون دلاری غلبه کنیم. این مدل که با نام رمز دیوید [اشاره به داستان داوود و جالوت] ساخته شده، نشان می دهد که تمرکز و پشتکار می تواند بر بودجه های نامحدود پیروز شود.

با وجود پیشرفت های عظیم، این مدل هنوز کامل نیست. Runway اعلام کرده که Gen-4.5 ممکن است در استدلال علیت ها دچار خطا شود. برای مثال، ممکن است در ویدیو ببینید که یک در قبل از اینکه دستگیره آن چرخانده شود، باز می شود. همچنین مشکل پایداری شیء (ناپدیدشدن یا تغییر شکل اشیا در طول ویدیو) هنوز به طور کامل رفع نشده، هرچند بسیار کمتر از قبل شده است.

عرضه این مدل به صورت تدریجی آغاز شده و طبق اعلام شرکت، تا چند روز آینده در دسترس تمامی کاربران (از طریق پلتفرم وب و API) قرار خواهد گرفت.