Partnerskap

Baseten legger til Gen-4.5 og Aleph 2.0 fra Runway i løsningen for dedikert inferens

mm
Legg til Unite.AI blant dine foretrukne kilder på Google

Bedrifter kan nå distribuere Runways modeller for videogenerering og -redigering, Gen-4.5 og Aleph 2.0, inkludert finjusterte versjoner, i sikre miljøer med én leietaker hos Baseten, ifølge kunngjøringen Baseten kom med 14. oktober 2026. Modellene er tilgjengelige gjennom Baseten Dedicated Inference, og modellvektene lisensieres direkte fra Runway.

Ifølge Baseten utvikler Runway modeller som genererer og redigerer filmatiske videoer ved hjelp av tekst, bilder, lyd og eksisterende opptak. Runway tilbyr allerede Gen-4.5 og Aleph 2.0 gjennom Runway Creative, plattformen sin for generering og redigering av video, bilder og lyd, og gjennom Runway Dev, API-plattformen sin for utviklere. Baseten opplyste at partnerskapet åpner en ny mulighet: Runway gjør sine proprietære videomodeller tilgjengelige for dedikert distribusjon hos Baseten.

Generering med Gen-4.5 og redigering med Aleph 2.0

Gen-4.5 gjør tekst- og bildeinnhold om til video, med støtte for detaljert sceneinstruksjon, kamerabevegelser og en rekke visuelle stiler. Baseten oppgir blant annet at modellen kan brukes til å visualisere et storyboard, animere et produktbilde, lage filmatiske B-roll-opptak og tilpasse et kampanjekonsept til flere varianter.

I modellbiblioteket beskriver Baseten Gen-4.5 som en videogenereringsmodell utviklet av Runway, med filmatiske bevegelser, presis etterlevelse av instruksjoner, realistisk fysikk og jevn visuell kvalitet, samt god tidsmessig konsistens på tvers av fotorealistiske og stiliserte uttrykk. Oppføringen i biblioteket angir tekst- og bildefiler som inndata, video som utdata og en proprietær Runway-lisens.

Aleph 2.0 endrer genererte eller ekte opptak. Med utgangspunkt i en instruksjon eller et redigert nøkkelbilde kan brukerne endre et bestemt element eller gi en scene en ny stil, og deretter bruke endringen i relevante klipp samtidig som de omkringliggende detaljene bevares. Modellen støtter videoer med flere scener på opptil 30 sekunder i 1080p.

I biblioteket beskriver Baseten Aleph 2.0 som en kontekstbasert videoredigeringsmodell som gjør eksisterende opptak om til nye varianter uten nye opptak eller omfattende etterarbeid. Ifølge oppføringen kan den endre produkter, klær, frisyrer, bakgrunner, årstider, utsnitt og visuelle stiler på tvers av flere klipp. Oppføringen angir tekst, bilder og video som inndata, video som utdata og en proprietær Runway-lisens.

Lisensiering, isolering og sikkerhet

Kundene lisensierer Runways modellvekter direkte fra Runway og distribuerer dem i et sikkert miljø med én leietaker hos Baseten. Hver distribusjon kjøres i et isolert arbeidslastplan med dedikerte GPU-ressurser, mens Baseten administrerer kontrollplanet og den underliggende infrastrukturen. Runway og Baseten støtter hver distribusjon sammen, fra tilpasning av modellen til produksjonssetting.

I henhold til avtalen er databehandling og planlegging isolert til kundens organisasjon. Basetens tilgang til Runways modellvekter reguleres av en distribusjonsavtale, og distribusjonene kjøres på infrastruktur som omfattes av Basetens samsvarsprogrammer for SOC 2 Type II og HIPAA.

Dokumentasjonen om én leietaker fra Baseten gir flere arkitektoniske detaljer. Der står det at løsningen for én leietaker kjører inferensarbeidslaster i et isolert VPC i Baseten Cloud, med databehandling og nettverk som klargjøres og driftes for én organisasjon, og at ingen andre kunders arbeidslaster kjøres på denne infrastrukturen. Ifølge dokumentasjonen lagrer Baseten ikke inndata eller utdata fra synkron inferens, modellene kan hente vekter fra en privat kilde, og vektene kan hurtigbufres i klyngen for å redusere kaldstarttiden. På forespørsel kan modellreplikaer og støttetjenester kjøres uten direkte internettilgang, med utgående trafikk begrenset til en godkjent tillatelsesliste. Endepunkter kan eksponeres gjennom private nettverkstjenester som AWS PrivateLink eller Google Cloud Private Service Connect, slik at trafikken holdes utenfor det offentlige internettet. Dokumentasjonen opplyser at løsningen for én leietaker støtter de samme samsvarsprogrammene som Baseten Cloud, som dekker SOC 2 Type II, HIPAA og GDPR, og er tilgjengelig med tilpasset prising på Enterprise-abonnementet.

Produktsiden for dedikert inferens fra Baseten opplyser at dedikerte distribusjoner har én leietaker, kan låses til bestemte regioner og er HIPAA-kompatible og SOC 2 Type II-sertifiserte på Baseten Cloud. Kundene kan distribuere på Baseten Cloud, drifte løsningen selv eller bruke Baseten Hybrid, med automatisk skalering på tvers av noder, klynger, skyer og regioner.

Finjustering, reservert kapasitet og oppetid

Kundene kan finjustere Runway-modeller med egne data, slik at resultatene gjenspeiler merkevaren, universet og retningslinjene deres for innhold. Arbeidet reguleres av den direkte lisensavtalen med Runway, mens Baseten stiller infrastrukturen til rådighet for finjusteringen og distribusjonen av den ferdige modellen i et dedikert miljø.

Distribusjonene omfatter reservert GPU-kapasitet for arbeidslaster innen videogenerering, med automatisk skalering for å håndtere etterspørselstopper. I modellen med én leietaker anskaffer og drifter Baseten kapasitet for hvert dedikerte arbeidslastplan. Kundene samarbeider med Baseten-teamet om å velge regioner, GPU-typer og kapasitetsforpliktelser som dekker kravene til arbeidslasten.

Baseten opplyste at Amazon, Robinhood, Dolce & Gabbana og Microsoft er blant de kreative teamene i større virksomheter som allerede bruker Runway i produksjon. Selskapet sa at det støtter dedikerte utrullinger med en SLA for oppetid på 99,99 %, og at begge Runway-modellene er oppført i Basetens modellbibliotek for forespørsler om utrulling.

Theo Nash er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker AI-infrastruktur, beregning og maskinvaresystemene som driver moderne kunstig intelligens. Arbeidet hans fokuserer på de tekniske grunnlagene bak AI-arbeidsbelastninger i stor skala, inkludert datasentre, akseleratorer, nettverk og programvarestablene som binder dem sammen.

Med et analytisk og ingeniørdrevet perspektiv undersøker Theo hvordan fremskritt innen GPU-er, tilpasset silisium, minnearkitekturer og distribuerte systemer muliggjør nye generasjoner av AI-modeller. Han legger særlig vekt på ytelsesavveininger, energieffektivitet, skalerbarhet og de praktiske begrensningene som former implementeringen av AI-infrastruktur i den virkelige verden.

Artikler skrevet av Theo Nash er AI-genererte og gjennomgås av redaksjonsteamet i Unite.AI for å sikre teknisk nøyaktighet, klarhet og ansvarlig dekning av det raskt utviklende AI-beregningslandskapet.