Runway 把机器人“世界动作模型” Praxis-1 的权重按 Apache 2.0 许可证公开，允许商用。这个模型 9 月首次亮相，当时只给合作伙伴试用；现在任何机器人开发者和研究人员都能下载、部署和微调。
Praxis-1 是一个 270 亿参数的混合专家（MoE）扩散 Transformer，特点是把视频和动作放在一起预测：模型一边推演后面几帧的画面，一边输出机器人该怎么动。它先在大规模视频上做预训练。Runway 在说明里提到一个发现，用网络视频和用遥操作机器人视频做预训练数据，最后得到的策略性能相当，训练数据具体有多少，文章没有披露。
和同类模型摆在一起看
Runway 引用的是英伟达 RoboLab-120 榜单的成绩，统计口径为 1200 个回合，数据截至 2026 年 11 月：
| 模型 | RoboLab-120 成功率 |
|---|---|
| Praxis-1 | 46.2% |
| FLUX 3 Action | 42.9% |
| Cosmos3 Nano | 36.8% |
| π0.5 | 28.0% |
榜首和第二名差 3.3 个百分点，和 π0.5 差了 18.2 个百分点。几个对手的来路各不相同：Cosmos 系列出自英伟达，也就是这张榜单的维护方；π0.5 来自专做机器人基础模型的 Physical Intelligence。一家视频生成公司的模型排在芯片公司和机器人创业公司前面，至少在这张榜上，“先学会预测画面，再学会动手”的路线跑出了成绩。
另一项成绩来自 SimplerEnv：在一台训练时没见过的 RT-1 机器人上微调之后，Praxis-1 的成功率是 80.0%，RT-1 自己的原始策略是 52.4%。这组数字和榜单成绩都由 Runway 及合作方公布，目前没有看到独立复测。
46.2% 这个成功率放在机器人领域并不算低，但也说明一半以上的回合里任务没做成。公告只给了 1200 个回合汇总后的总成功率，哪些任务拉高、哪些拖后腿，没有拆开列。对想拿它上产线的厂商来说，单项任务的稳定性比总榜名次更要紧，这部分数据要等权重公开后由社区自己跑出来。
合作伙伴已经装上真机
公开权重之前，三家合作伙伴已经在自己的硬件上测过：Noble Machines 的人形机器人、Standard Bots 的六轴工业机械臂，以及 Ultra 的双臂仓储机器人。三种形态差别很大，Runway 的说法是靠 LoRA 适配就能接上新的机身、摄像头和任务，不用重训整个模型。
“With LoRA you can adapt it to your own embodiment, cameras and tasks without retraining the full model.”（用 LoRA 就能适配你自己的机身、摄像头和任务，不必重训整个模型。）
运行方面，Runway 列出的英伟达硬件包括 H100、B200、RTX 5090、RTX PRO 6000，以及装在机器人身上的 Jetson Thor。RTX 5090 这类消费级显卡在列，意味着小团队也能在本地跑起来做实验，不过显存需要多少、端侧推理能跑到多少帧，说明里都没给。
去哪里拿
权重和代码分别放在 GitHub 的 runwayml/praxis-1-oss 和 Hugging Face 的 runwayml/praxis-1，后者原生支持 Hugging Face 的 LeRobot 框架。vLLM-Omni 和 Reactor 托管推理也已接入，英伟达 NeMo Automodel 提供了后训练教程。要做量产部署规划的团队，Runway 让直接联系它的机器人团队。
Runway 过去几年的主业是视频生成，从 Gen 系列到世界模型，这次把一个能落到机械臂和人形机器人上的模型免费放出来，等于把视频预训练积累的能力直接交给机器人行业去用。
参考来源：CocoLoop、Runway 官方公告（核验参数量、许可证、RoboLab-120 与 SimplerEnv 成功率及统计口径）、Runway 开发者页面 Praxis-1 介绍。