Runway quiere que el vídeo con IA en tiempo real se comporte menos como una cola de renderizado y más como una herramienta de producción en directo. Su flujo de trabajo propuesto es prompt, stream, steer and correct: los fotogramas aparecen a medida que se generan, lo que te permite detectar desviaciones y cambiar de dirección antes de que termine un clip completo. La idea podría transformar el cine con IA, pero Runway no ha lanzado el modelo de propósito general ni ha revelado su velocidad, resolución, necesidades de hardware o precio.
El vídeo con IA en tiempo real cambia el ciclo creativo
La mayoría de los sistemas de vídeo generativo siguen una secuencia conocida: enviar un prompt, esperar, inspeccionar el clip terminado y volver a ejecutarlo si algo salió mal. Runway describió ese proceso, de prompt a vídeo finalizado, el 10 de septiembre de 2026, al presentar una investigación orientada a reducir el tiempo hasta el primer fotograma y ofrecer salida en streaming.
La diferencia no es simplemente un renderizado más rápido. El streaming convierte la generación en una interacción continua. Podrías ver que un personaje empieza a moverse de forma incorrecta, ajustar el contexto y hacer que los fotogramas posteriores respondan sin descartar toda la secuencia. Runway no ha documentado los controles exactos de dirección previstos para su modelo más amplio, así que deslizadores, controles de cámara o edición de prompt en directo siguen siendo posibilidades, no funciones confirmadas.
En términos prácticos, el ciclo propuesto pasa a ser prompt, stream, steer and correct. Eso supone una ruptura importante con la generación por lotes, porque la revisión se produce durante la creación y no después. Para directores y diseñadores de motion graphics, podría hacer que la IA se sintiera más cercana a manejar un plató virtual que a encargar un plano terminado.
Este cambio también encaja en una transformación más amplia de la producción, donde intérpretes sintéticos como el actor de IA Tilly Norwood están poniendo a prueba las suposiciones de Hollywood sobre autoría, trabajo y control. Una salida más rápida por sí sola no resolverá esas cuestiones, pero una dirección interactiva haría más difícil ignorarlas.
Cómo Runway convierte un modelo de vídeo en un flujo
La investigación de Runway de septiembre de 2026 parte de un modelo fundacional como Gen-4.5 y lo convierte en un generador autorregresivo causal, fotograma a fotograma. En lugar de resolver un clip completo mediante muchas pasadas repetidas de eliminación de ruido, el modelo destilado utiliza solo unos pocos pasos de generación para cada fotograma.
En cada paso autorregresivo, el sistema recibe un fotograma inicial, un pie de foto y estados latentes creados antes en la secuencia. Después, las nuevas representaciones latentes pasan por decodificadores causales de vídeo y audio, que pueden emitir contenido multimedia a medida que llegan esas representaciones. Esperar a la secuencia completa deja de ser un requisito estructural.
Ese diseño se parece más a los sistemas predictivos que a los renderizadores offline tradicionales. Cada salida pasa a formar parte de la siguiente entrada. También es la razón por la que la investigación sobre modelos más pequeños y rápidos importa: como explica nuestro análisis de modelos de IA compactos en 2026 las menores exigencias de inferencia pueden importar más que el número máximo de parámetros cuando el tiempo de respuesta determina si una aplicación se siente en directo.
Runway afirma que los modelos más rápidos pueden consumir menos tiempo de GPU y reducir el coste de cada salida. Tómalo como una dirección, no como una promesa de precio. A fecha de 21 de septiembre de 2026, la empresa no publicó cifras de coste por minuto, tasa de fotogramas, resolución ni hardware para su próximo sistema de propósito general.
El problema difícil: los errores se convierten en historial
La generación autorregresiva tiene una debilidad importante. Una mano mal formada, una cara alterada o un objeto mal colocado no necesariamente se quedan en un defecto de un solo fotograma; entran en el contexto histórico utilizado para construir los fotogramas posteriores. Los pequeños errores pueden acumularse y convertirse en deriva temporal, inconsistencia estructural o una deformación visual llamativa.
El entrenamiento convencional off-policy agrava el desajuste. Durante el entrenamiento, un modelo alumno puede recibir un contexto limpio y real de un profesor o de un conjunto de datos. Durante la inferencia, debe continuar a partir de su propia salida imperfecta, una situación que no ha ensayado adecuadamente.
La respuesta de Runway es la destilación on-policy. El alumno realiza despliegues autorregresivos durante el entrenamiento, y cada latente generado por el alumno se introduce en su siguiente paso. Al aprender sobre trayectorias defectuosas que se parecen a la inferencia real, el modelo tiene oportunidades de recuperarse de sus errores en lugar de amplificarlos a ciegas.
La empresa también informa de mejores resultados al aumentar gradualmente la longitud de la secuencia. Empezar con despliegues largos puede hacer que la salida del alumno diverja de forma tan severa que la guía del profesor se vuelva inestable o irrelevante. Las secuencias cortas establecen primero el control; las más largas entrenan después la resistencia.
Existen indicios externos de que la deriva refleja un problema de representación más profundo. Un artículo presentado el 29 de julio de 2026 relacionó el error acumulativo con el colapso del rango efectivo en las representaciones ocultas. Con regularización de la representación, la puntuación VBench de Calidad Estética que notificó aumentó de 38.65 a 55.56, mientras que la Calidad de Imagen pasó de 44.37 a 72.08. Se trata de resultados de investigación, no de referencias comparativas del modelo aún no lanzado de Runway, pero respaldan el diagnóstico.
¿Qué está disponible ahora y qué sigue siendo investigación?
La distinción es importante. A fecha de 21 de septiembre de 2026, la API pública de Runway solo incluía gwm1_avatars en su categoría en tiempo real. Ese modelo impulsa personajes conversacionales y acepta texto mientras devuelve vídeo y audio sincronizados; no es el generador de streaming de propósito general guiado por prompts descrito el 10 de septiembre.
| oferta o investigación de 2026 | Disponibilidad | Rendimiento publicado | Precios publicados |
|---|---|---|---|
Runway Characters / gwm1_avatars |
Incluido en la API pública en tiempo real el 21 de septiembre | HD a 24 fps; 37 ms de tiempo efectivo del modelo por fotograma; 1.75 segundos de latencia de turno en el servidor | 2 créditos por adelantado más 2 créditos por cada seis segundos; cada crédito cuesta $0.01 antes de impuestos |
| Generador de streaming de propósito general | Investigación anunciada el 10 de septiembre; no figuraba como disponibilidad general a 21 de septiembre | No se revelaron la frecuencia de fotogramas, la resolución ni el hardware | No se reveló el precio |
| Moderación síncrona del stream | Descrita el 16 de septiembre | Latencia media de moderación inferior a 0.5 segundos, según Runway | No se reveló un precio independiente |
El servicio de avatar existente ofrece un cálculo de costes útil. Una conversación de 60 segundos consume el cargo inicial de 2 créditos más diez bloques de seis segundos a 2 créditos cada uno, lo que suma 22 créditos o $0.22 antes de impuestos en 2026. Ese cálculo no debería aplicarse al modelo futuro; su precio podría diferir sustancialmente.
Sus cifras de temporización también revelan un escollo sutil. A 24 fps, un fotograma tiene un presupuesto de reproducción de 41.7 ms. El tiempo de modelo indicado de 37 ms encaja dentro de ese margen por unos 4.7 ms, pero los usuarios siguen afrontando 1.75 segundos de latencia de turno en el servidor. El rendimiento en tiempo real y la capacidad de respuesta instantánea no son la misma medida.
Juzga el lanzamiento por algo más que la tasa de fotogramas
Cuando llegue el modelo de vídeo de IA más amplio en tiempo real, la velocidad de titular no te dirá si funciona. La infraestructura compartida debe producir fotogramas a la velocidad de reproducción o por encima de ella para múltiples sesiones simultáneas, al tiempo que preserva identidades, geometría y movimiento en secuencias más largas. Una demostración breve puede ocultar fallos que aparecen al cabo de un minuto.
Deberías examinar cinco cosas antes de tratarlo como una herramienta de producción:
- Tiempo hasta el primer fotograma, medido por separado de los fotogramas por segundo sostenidos.
- Duración estable máxima antes de que los personajes, objetos o la geometría de la cámara se desvíen.
- Resolución y calidad de audio bajo carga real concurrente del servidor.
- Qué propiedades pueden cambiarse a mitad del proceso y con qué rapidez el resultado obedece.
- Coste en créditos del metraje descartado, corregido y moderado, no solo de los clips guardados.
La seguridad añade otra dependencia en vivo. Runway dice que su moderación síncrona tiene una media inferior a 0.5 segundos y puede detener resultados prohibidos mientras se transmiten en streaming, seguida de una comprobación contextual antes de descargar o compartir. Su sistema divulgado utiliza CoPE-B de Zentropi, descrito como un adaptador LoRA sobre Gemma-4-26B-A4B-it con 25.2 mil millones de parámetros totales y 3.8 mil millones activos por cada pasada hacia delante.
La intervención en tiempo de ejecución es el enfoque sensato para medios que no existen hasta milisegundos antes de mostrarse. También refleja el cambio más amplio de reglas escritas hacia la gobernanza de la IA aplicada mediante controles en tiempo de ejecución. Aun así, una moderación de menos de medio segundo podría representar muchos fotogramas mostrados a 24 fps, y Runway no ha publicado una explicación detallada del almacenamiento en búfer ni de lo que ven los espectadores antes de una detención.
El abuso merece la misma atención. El vídeo sintético interactivo podría mejorar la dirección creativa, pero las caras y voces de baja latencia también intensifican la amenaza descrita en la información sobre ataques deepfake en tiempo real contra empresas. Sinceramente, un lanzamiento no está listo para comunicaciones sensibles simplemente porque su calidad de imagen parezca convincente.
Por qué importa la idea incluso antes del lanzamiento
Runway dijo el 16 de septiembre de 2026 que estaba previsto lanzar modelos en tiempo real cada vez más potentes “in the coming months”, sin dar un nombre de producto ni una fecha de lanzamiento. Su afirmación de que la mayoría de las mejoras de la canalización proceden de la destilación on-policy en lugar de off-policy también carece de un punto de referencia independiente o de un artículo técnico adjunto.
El escepticismo está justificado. Aun así, la investigación identifica el objetivo correcto: no una espera marginalmente más corta para un clip completado, sino un modelo que pueda absorber correcciones mientras se desarrolla una escena imaginada. Si se mantiene la coherencia a largo plazo, el vídeo de IA en tiempo real podría hacer que la iteración fuera muchísimo menos derrochadora.
Mi opinión es que la capacidad de recuperación importa más que la velocidad bruta. Un sistema que genera 24 fotogramas limpios por segundo pero deriva de forma irreversible tras un solo error es un fracaso rápido. Un sistema ligeramente más lento que reconoce y corrige su propia trayectoria inestable sería mucho más útil para el cine, la publicidad, las simulaciones de formación y los personajes interactivos.
Preguntas frecuentes sobre el vídeo de IA en tiempo real de Runway
¿Está disponible el modelo de vídeo en tiempo real de propósito general de Runway?
No. A fecha de 21 de septiembre de 2026, la API pública incluía el gwm1_avatars modelo de avatar, mientras que el sistema más amplio de streaming guiado por prompts seguía en fase de investigación, con un lanzamiento previsto para una fecha futura no especificada.
¿Qué significa vídeo de IA en tiempo real?
Significa que el vídeo empieza a transmitirse mientras el modelo sigue generando los fotogramas posteriores, idealmente a la velocidad de reproducción o por encima de ella. La versión propuesta por Runway también permite que la salida posterior responda a un contexto actualizado, creando un flujo de trabajo de transmitir y corregir.
¿Cuánto cuestan los personajes de Runway Characters?
En septiembre de 2026, costaba 2 créditos por adelantado y 2 créditos por cada seis segundos. A $0.01 por crédito antes de impuestos, una sesión de 60 segundos cuesta $0.22 según la fórmula de precios documentada.
¿Por qué deriva el vídeo autorregresivo?
Cada fotograma generado o estado latente condiciona lo que viene después. Por tanto, los errores pasan a formar parte del contexto del modelo y pueden acumularse, provocando cambios de identidad, geometría rota o grandes transformaciones visuales con el tiempo.
¿Puedes dirigir el vídeo de Runway mientras se genera?
La arquitectura de investigación admite, en principio, que la salida posterior responda a un contexto actualizado. Runway no había documentado la interfaz de control ni los controles exactos de su próximo modelo de propósito general a fecha de 21 de septiembre de 2026.
ES 
EN 
FR