Runway hat die Gewichte seines „Welt-Aktions-Modells“ für Roboter, Praxis-1, unter der Apache-2.0-Lizenz veröffentlicht, die auch den kommerziellen Einsatz erlaubt. Das Modell war im September erstmals vorgestellt worden und stand damals nur Partnern zum Testen offen. Jetzt kann jeder Robotikentwickler und jede Forscherin es herunterladen, einsetzen und feintunen.
Praxis-1 ist ein Diffusion-Transformer mit Mixture-of-Experts-Architektur (MoE) und 27 Milliarden Parametern. Das Besondere: Es sagt Video und Aktionen gemeinsam voraus. Das Modell rechnet die Bilder der nächsten Frames durch und gibt zugleich aus, wie sich der Roboter bewegen soll. Vortrainiert wurde es auf großen Videomengen. In der Beschreibung nennt Runway eine Beobachtung: Ob man Videos aus dem Netz oder aus ferngesteuerten Roboteraufnahmen als Vortrainingsdaten nimmt, die resultierende Policy erreicht eine vergleichbare Leistung. Wie groß die Trainingsdatenmenge genau ist, legt die Mitteilung nicht offen.
Im Vergleich mit ähnlichen Modellen
Runway beruft sich auf Ergebnisse der RoboLab-120-Rangliste von Nvidia, ausgewertet über 1200 Durchläufe, Stand November 2026:
| Modell | Erfolgsquote RoboLab-120 |
|---|---|
| Praxis-1 | 46,2 % |
| FLUX 3 Action | 42,9 % |
| Cosmos3 Nano | 36,8 % |
| π0.5 | 28,0 % |
Zwischen Platz eins und zwei liegen 3,3 Prozentpunkte, auf π0.5 beträgt der Abstand 18,2 Prozentpunkte. Die Konkurrenten kommen aus ganz unterschiedlichen Ecken: Die Cosmos-Reihe stammt von Nvidia, dem Betreiber dieser Rangliste, π0.5 von Physical Intelligence, einem Spezialisten für Robotik-Basismodelle. Dass das Modell einer Videogenerierungsfirma vor denen eines Chipkonzerns und eines Robotik-Start-ups landet, zeigt zumindest in dieser Rangliste: Der Ansatz „erst lernen, Bilder vorherzusagen, dann lernen zuzupacken“ liefert Ergebnisse.
Ein weiteres Ergebnis stammt aus SimplerEnv: Nach dem Feintuning auf einem im Training nie gesehenen RT-1-Roboter erreichte Praxis-1 eine Erfolgsquote von 80,0 %, die ursprüngliche RT-1-Policy kam auf 52,4 %. Diese Zahlen und die Ranglistenwerte wurden von Runway und seinen Partnern veröffentlicht; unabhängige Nachmessungen sind bislang nicht bekannt.
46,2 % sind in der Robotik keine schlechte Quote, bedeuten aber auch, dass in mehr als der Hälfte der Durchläufe die Aufgabe scheiterte. Die Ankündigung nennt nur die über 1200 Durchläufe aggregierte Gesamtquote und schlüsselt nicht auf, welche Aufgaben das Ergebnis heben und welche es drücken. Für Hersteller, die das Modell in der Produktion einsetzen wollen, zählt die Stabilität bei einzelnen Aufgaben mehr als der Platz in der Gesamtwertung. Diese Daten muss die Community nach der Freigabe der Gewichte selbst ermitteln.
Partner testen bereits auf echter Hardware
Vor der Veröffentlichung der Gewichte haben drei Partner das Modell auf eigener Hardware erprobt: den humanoiden Roboter von Noble Machines, den sechsachsigen Industrieroboterarm von Standard Bots und den zweiarmigen Lagerroboter von Ultra. Die drei Bauformen unterscheiden sich stark. Laut Runway lässt sich das Modell per LoRA-Anpassung an neue Körper, Kameras und Aufgaben anbinden, ohne es komplett neu zu trainieren.
„With LoRA you can adapt it to your own embodiment, cameras and tasks without retraining the full model.“
Zur Laufzeit nennt Runway folgende Nvidia-Hardware: H100, B200, RTX 5090, RTX PRO 6000 sowie Jetson Thor direkt im Roboter. Dass Consumer-Grafikkarten wie die RTX 5090 auf der Liste stehen, bedeutet, dass auch kleine Teams das Modell lokal für Experimente ausführen können. Wie viel Grafikspeicher nötig ist und wie viele Bilder pro Sekunde die Inferenz am Gerät schafft, steht in der Beschreibung allerdings nicht.
Wo es das Modell gibt
Gewichte und Code liegen auf GitHub unter runwayml/praxis-1-oss und auf Hugging Face unter runwayml/praxis-1; Letzteres unterstützt von Haus aus das LeRobot-Framework von Hugging Face. Auch das gehostete Inferenzangebot über vLLM-Omni und Reactor ist angebunden, und Nvidia NeMo Automodel stellt ein Tutorial für das Post-Training bereit. Teams, die einen Serieneinsatz planen, sollen sich laut Runway direkt an dessen Robotikteam wenden.
In den vergangenen Jahren war Runways Kerngeschäft die Videogenerierung, von der Gen-Reihe bis zu Weltmodellen. Mit der kostenlosen Freigabe eines Modells, das auf Roboterarmen und Humanoiden laufen kann, reicht das Unternehmen die durch Video-Vortraining gewonnenen Fähigkeiten im Grunde direkt an die Robotikbranche weiter.
Quellen: CocoLoop, offizielle Ankündigung von Runway (geprüft: Parameterzahl, Lizenz, Erfolgsquoten bei RoboLab-120 und SimplerEnv samt Erhebungsmethode), Praxis-1-Vorstellung auf der Entwicklerseite von Runway.