Runway發佈多模態媒體路由器
重點摘要
Runway no longer wants to be just another AI model company. It wants to become the infrastructure layer for generative media.
**Runway推出多模態媒體路由器 從模型供應商轉型生成式媒體基礎設施層**
AI 新創 Runway 正在重新定義其在生成式媒體領域的角色。該公司近日正式發表「Runway Media Router」
多模態媒體路由器,並透過其 8 月初推出的開發者平台 Runway Dev 對外提供 API 服務。這項產品不僅整合了 Runway 自身的模型,更串聯多家第三方影像、影片與音訊模型,目標是成為開發者接入生成式媒體的單一入口。 **自動路由機制:因應品質、速度與成本偏好**
Runway Media Router 的核心功能,是根據開發者設定的優先級——品質、速度或成本——自動為每項請求選擇最合適的影像、影片或音訊生成模型。儘管模型路由技術在大語言模型領域已日趨普遍,Runway 表示,這是業界第一個專為生成式媒體打造的智慧路由器。「這項路由技術完全符合我們的一站式承諾,讓開發者能以最簡單的方式整合任何類型的生成式媒體模型,」Runway 產品長 Anthony Maggio 向 TechCrunch 表示。 **Runway Dev 平台擴展生態系**
Runway Dev 平台是本月初上線的開發者工具,提供 API 存取 Runway 自身及第三方模型。目前已有 Adobe、Cloudflare、ElevenLabs、Expedia、Shutterstock、Quora 等企業客戶,透過這些 API 將媒體生成功能直接整合到自家產品中,而非引導用戶前往 Runway 的網站或應用程式。這項獨家先由 TechCrunch 報導的發布,標誌著 Runway 從 AI 影片新創,逐步轉型為支援各公司建構生成式媒體的基礎設施提供者。 **模型爆炸時代的智慧選擇**
隨著生成式媒體模型的數量急遽增長,開發者評估新模型的難度與時間成本也大幅提高。Maggio 指出,多數開發者沒有足夠時間深入了解每個模型在不同類型輸出——影片、影像、音訊——上的優劣差異。「我們帶來的獨特價值,就是針對不同使用案例判斷最佳模型的智慧,並與企業對自身業務情境的偏好結合。」這套智慧層建立在 Runway 內部創意團隊長期累積的評估專業上,涵蓋影片模型如何處理動態、影像模型如何構圖、語音模型如何進行唇形同步等面向。 **地緣政治與商業偏好設定**
值得關注的是,Maggio 提到中國的生成式媒體模型正越來越受歡迎,但許多開發產品的企業可能不願採用來自中國的模型。因此,Router 允許開發者設定偏好,例如優先選擇美國模型供應商。這項功能在美國政府考慮對中國開源 AI 模型實施禁令與制裁的背景下,可能變得更加重要。不過,Maggio 強調,偏好設定的應用場景非常廣泛,目前客戶最關注的仍是根據 Token 定價與品質進行路由。 **Token 定價與品質的平衡**
Token 定價在 2026 年已成為企業熱議話題,許多積極採用 AI 代理的企業正面臨高額 Token 帳單。在大語言模型領域,針對 Token 定價進行模型路由已成常態,Runway 認為生成式媒體也將跟進。在品質方面,Maggio 表示,決定哪個模型對特定任務提供最佳品質,對生成式媒體而言遠比語言模型困難,這正是 Router 智慧層發揮作用的關鍵。 **當前模型市場競爭與 Runway 的策略**
Runway 上一款 AI 影片模型 Gen 4.5 於去年 12 月發布,當時曾領先排行榜,表現優於 Google 等競爭對手的模型。同年同月,Runway 還推出了首個世界模型。但除今年 5 月對影片編輯模型 Aleph 2.0 進行升級外,Runway 已數月未推出新的專用前沿影片模型。根據 Artificial Analysis 的排名,雖然 Aleph 2.0 仍位居頂尖影片編輯模型之列,但該公司的文字轉影片與影像轉影片模型已不再占據排行榜首位,前 20 名中多為 Google、中國位元組跳動與阿里巴巴等強勁對手的模型。 **以路由技術維持競爭優勢**
Runway 的策略並非要求開發者押注單一模型始終保持領先,而是透過 Media Router 假設最佳模型會持續更迭,從而使自身在遊戲中保持關鍵地位。即使不再是表現最出色的新 AI 模型,Runway 也要成為最出色的編排層。共同創辦人兼共同執行長 Anastasis Germanidis 坦言,長期以來 Runway 以終端用戶產品聞名,但為了達到這個目標,公司必須建構完整技術棧,包括開發者平台、創意工具套件以及底層的推理層。 **智慧編排層的未來願景**
Germanidis 指出,企業對 Runway 的需求已擴展到技術棧的各個層面。「你需要出色的底層模型,但編排層越來越重要,因為人們正在用這些模型建立完整的行銷活動,或生成多場景的完整作品。我們必須建構這個位於純像素模型之上的智慧層,路由器正是讓用戶受益的方式之一。」Maggio 則表示,自 2018 年以來,Runway 始終專注於研究,同時為產業的未來發展進行建設。Media Router 的推出,正是這項長期策略的具體實踐,也為生成式媒體的開發者生態帶來了全新的效率與可能性。
Related
相關文章

曝字節訓10億參數大模型,或超Mythos 5,張一鳴、梁汝波先後發聲
字節跳動正在訓練一個參數量高達10萬億的AI模型,規模可能超越Anthropic的Mythos 5。創辦人張一鳴在內部會議中強調編程的關鍵地位,並反對模型蒸餾,認為這只能複製而非超越對手。字節跳動在AI領域持續加大投入,同時在產品端與訓練端採取雙線進攻策略。

AI 需求擠爆雲計算,消息稱 AWS 要求工程師關閉閒置服務器減少資源浪費
因AI需求導致算力緊缺,亞馬遜AWS要求工程師關閉閒置的EC2實例,以減少資源浪費。數據顯示約65%的EC2實例在30天內平均CPU利用率低於20%,AWS因此升級計算優化器自動標記低使用率虛擬機。此外,AWS過去一年新增3.8吉瓦電力容量,仍難以應對GPU雲端實例的龐大需求。
NVIDIA AI 推出 NOOA:將 AI 代理轉化為單一 Python 類別的物件導向框架
NVIDIA 實驗室開源了 NOOA(NVIDIA 物件導向代理),這是一個與模型無關的 Python 框架,用於建構 AI 代理。傳統的代理開發分散在提示模板、工具架構、回呼程式碼和工作流程圖中,而 NOOA 將所有這些整合到一個 Python 類別中:方法代表模型可採取的動作,欄位代表代理狀態,文件字串作為提示,型別註解則是執行時期強制執行的合約。主體為「...」的方法由 LLM 驅動的迴圈在執行時期完成,而具有正常主體的方法則保持確定性的 Python 程式碼。開發者與模型因此共享同一介面,使代理行為能像一般軟體一樣進行測試、追蹤、重構和版本控制。NVIDIA 報告在 SWE-bench Verified 上達到 82.2%,在 CyberGym L1 上達到 86.8%,平均 RHAE 為 85.1%。

六巨頭定AI插件新標準,撞臉Claude,Anthropic沒上桌
六大科技巨頭(AWS、Anysphere、GitHub、微軟、OpenAI、Vercel)聯合發布AI智能體插件統一開放規範Agent Plugins 1.0.0,旨在統一插件打包格式,減少開發者重複勞動。該規範的結構與Anthropic的Claude Code插件系統高度相似,但Anthropic並未參與制定,而是繼續經營自己的封閉生態。

DeepSeek重啟融資,三年市值對齊騰訊?
DeepSeek重啟第二輪融資,以5000億元人民幣估值尋求籌集80億美元,但網傳一份由小型醫藥私募發起的專項基金募資材料引發網友質疑,後經DeepSeek員工證實部分數據屬實。該公司近期宣布API大幅漲價,可能打破其以低價換規模的估值邏輯,面臨客戶流失風險。市場關注其能否從「價格屠夫」轉型為價值提供商,以及三年內市值能否對齊騰訊等巨頭。

可靈AI核心技術骨幹王鑫濤被曝離職
快手可靈AI核心技術骨幹王鑫濤被曝離職,去向未知,快手官方與本人均未回應。王鑫濤是圖像與視頻生成領域知名開源項目主要作者,被視為可靈從0到1的關鍵推手。其離職發生在可靈完成獨立融資、估值180億美元的關鍵階段,可能影響研發進度與競爭優勢。