All'inizio di settembre 2026 Runway ha presentato GWM Worlds 2, la seconda generazione del suo General World Model. La descrizione ufficiale sta in una riga: una simulazione interattiva in tempo reale, in un flusso continuo di video a 720p e 24 fotogrammi al secondo, con audio generato a 48.000 Hz. Tu dai un'azione, il mondo prosegue da lì. Non c'è una clip da aspettare, non c'è una durata prefissata: la sessione dura finché continui a interagire.
Chi segue il settore ha già visto demo simili — Google con Genie 3, Decart con Oasis, una fila di paper cinesi e accademici usciti nell'ultimo anno. La differenza che Runway rivendica non riguarda i pixel. Riguarda cosa puoi chiedere al mondo di fare.
Cosa cambia rispetto a dicembre
La prima versione, GWM-1, era arrivata l'11 dicembre 2025: un modello autoregressivo costruito sopra Gen-4.5 che genera un fotogramma alla volta, in tempo reale, pilotabile con la posa della camera e con comandi da robot, diviso in tre rami — Worlds, Robotics, Avatars. Già allora Runway sosteneva che fosse più "generale" di Genie 3. Funzionava per qualche minuto, a 720p e 24 fps.
Worlds 2 aggiunge tre cose sopra quella base:
- l'audio generato insieme all'immagine, non appiccicato dopo — compreso il parlato dei personaggi, con dialoghi a più voci;
- il controllo sui soggetti oltre che sull'ambiente: la camera e i personaggi si muovono in modo indipendente;
- WorldPrompt, un formato di input che è la parte più interessante dell'annuncio.
WorldPrompt: il contesto da una parte, il tempo dall'altra
WorldPrompt separa due cose che finora nei modelli generativi stavano nello stesso mucchio di testo. Da un lato il contesto persistente del mondo: la scena, i soggetti, le regole fisiche, lo stile visivo, l'atmosfera, il primo fotogramma. Dall'altro un flusso di azioni testuali con marcatura temporale, indirizzate a un soggetto specifico o alla scena intera.
Le azioni possono sovrapporsi liberamente, e — dettaglio che vale più di quanto sembri — il parlato è un'azione come le altre, che porta con sé la battuta da dire. Nella pratica significa che puoi programmare una scena come si programma un copione: a questo secondo il personaggio A attraversa la stanza, mentre B dice questa frase, mentre fuori inizia a piovere.
Il mondo non è un video da riprodurre: è uno stato che avanza, e le istruzioni arrivano mentre avanza.
Runway ci ha messo sopra anche la comodità: un LLM che scrive il WorldPrompt al posto tuo, per passare da un'idea a un mondo in pochi secondi, e sessioni multigiocatore via LiveKit, dove ogni client rivendica un ruolo — giocatore 1, giocatore 2, regista.
La rivendicazione vera: lo spazio d'azione generale
Anastasis Germanidis, cofondatore e CTO di Runway, ha riassunto così l'annuncio: è il primo world model con uno spazio d'azione generale, che unisce in un solo modello navigazione, manipolazione e interazione umana. Fin qui i modelli interattivi si muovevano: cammini, giri la testa, avanzi. Poco altro. Worlds 2 punta a generalizzare su azioni arbitrarie — prendere un oggetto, aprire una porta, parlare con qualcuno che risponde.
È la differenza fra un motore di ambienti e un motore di eventi. Per chi costruisce giochi, è esattamente la parte che serve: un mondo bellissimo in cui si può solo passeggiare è una demo, non un prodotto.
E c'è la seconda metà della frase di Germanidis, quella che spiega perché un'azienda di video generativi investe qui: «al limite, i world model diventeranno gli ambienti di reinforcement learning per qualsiasi cosa». Runway dichiara di usare già Worlds 2 per valutare modelli visione-linguaggio su compiti del mondo reale. Non è marketing sul futuro: è il modo in cui l'azienda prova a mettersi a monte della robotica e degli agenti incarnati, dove il collo di bottiglia non è il modello ma i dati e gli ambienti in cui allenarlo.
Perché Runway ci ha scommesso l'azienda
A febbraio 2026 Runway ha chiuso un round da 315 milioni di dollari a una valutazione di 5,3 miliardi, circa due miliardi in più rispetto a meno di un anno prima, e ha raccontato agli investitori un cambio di rotta esplicito: dagli strumenti per filmmaker ai world model, con applicazioni dichiarate in robotica, scoperta di farmaci e modelli climatici. Nel secondo trimestre 2026 la società ha aggiunto circa 40 milioni di ricavi ricorrenti annui.
Il ragionamento sotto è lo stesso che Demis Hassabis fa da mesi sul fronte DeepMind: un modello che predice la parola successiva non impara come si comporta il mondo; un modello che predice il fotogramma successivo, condizionato a un'azione, in qualche misura sì. Runway ci arriva da un'altra strada — non dalla ricerca sull'AGI ma da un prodotto video che paga le bollette — ma la scommessa è identica, e per un'azienda da 5 miliardi è una scommessa grossa: il video generativo è un mercato provato, i world model no.
Dove si rompe
Il merito di Runway, in questo annuncio, è di elencare i limiti invece di nasconderli sotto la demo. Sono quattro, e sono seri:
- Fedeltà barattata con la velocità. Generare in tempo reale costa qualità: questo è un punto basso sulla curva della generazione in tempo reale, non il livello dei modelli video offline della stessa azienda.
- Rotazioni rapide della camera. Se giri di scatto, dettagli, texture e geometria si degradano. È il difetto classico della generazione autoregressiva: il fotogramma nuovo nasce da quelli vecchi, e se chiedi troppo in fretta qualcosa che non c'era, il modello se lo inventa male.
- Memoria a lungo termine imperfetta. La coerenza regge, ma non indefinitamente. È l'"amnesia spaziale" di cui si discute da un anno: la porta che era a destra sparisce, un colore cambia, una regola fisica si sospende.
- Nessun riferimento visivo oltre il primo fotogramma. Non puoi passargli altre immagini per dire "questo personaggio deve avere questa faccia". Per un uso produttivo è un vincolo pesante.
A questo si aggiunge il dato commerciale: Worlds 2 è una research preview, senza prezzi pubblici e senza accesso self-service — si passa da un modulo di contatto. Runway sta lavorando con alcuni sviluppatori di giochi per prototipare esperienze, ma non c'è un prodotto da comprare.
Il campo attorno
Il confronto ovvio è Genie 3 di Google DeepMind, che gioca gli stessi numeri — 720p, 24 fps, minuti di coerenza — ed è arrivato al pubblico il 29 gennaio 2026 come Project Genie, ma solo per gli abbonati Google AI Ultra negli Stati Uniti: niente piano gratuito, niente API pubblica, niente rilascio aperto. Due modelli con specifiche quasi identiche e due strategie di chiusura diverse: Google lo mette dentro un abbonamento premium, Runway lo tiene in anticamera per i partner.
Sul fronte opposto c'è la critica architetturale, che non è sparita. Yann LeCun — che a gennaio 2026 ha lasciato Meta per fondare AMI Labs a Parigi — sostiene da anni che generare ogni pixel per dimostrare di aver capito una scena sia uno spreco di calcolo, e che la strada giusta sia predire una rappresentazione compressa dello stato futuro (la famiglia JEPA) invece del futuro visibile. Worlds 2 è la dimostrazione più spinta della tesi opposta: se il video è abbastanza buono, abbastanza veloce e abbastanza pilotabile, la distinzione filosofica interessa poco a chi deve allenare un agente.
Cosa portarsi a casa
Tre cose, senza entusiasmi.
La prima: la barriera tecnica che sta cadendo non è la qualità dell'immagine — quella era già risolta — ma la latenza con cui un modello generativo risponde a un'azione. È ciò che separa un video da un simulatore, ed è la ragione per cui questa categoria di modelli passa dal reparto creativo a quello di chi costruisce agenti.
La seconda: lo spazio d'azione conta più della risoluzione. Se il prossimo anno questi modelli passeranno da "cammino e guardo" a "prendo, apro, rompo, parlo", cambierà cosa ci si può costruire sopra. Se resteranno a navigazione fotorealistica, resteranno demo bellissime.
La terza, la più concreta: oggi nessuno dei due modelli di punta è comprabile. Uno è dentro un abbonamento da consumatori in un solo Paese, l'altro dietro un modulo di contatto. Finché è così, per chi lavora la domanda giusta non è quanto sia impressionante la demo, ma quanto costerà un minuto di mondo generato quando il prezzo, prima o poi, verrà scritto da qualche parte.