Runway ha publicado los pesos de Praxis-1, su “modelo de acción en el mundo” para robots, bajo la licencia Apache 2.0 y con uso comercial permitido. El modelo se presentó por primera vez en septiembre y entonces solo lo probaban socios; ahora cualquier desarrollador o investigador de robótica puede descargarlo, desplegarlo y ajustarlo.
Praxis-1 es un Transformer de difusión de mezcla de expertos (MoE) con 27.000 millones de parámetros. Su rasgo distintivo es que predice vídeo y acción a la vez: el modelo proyecta las imágenes de los fotogramas siguientes y, al mismo tiempo, indica cómo debe moverse el robot. Se preentrenó con vídeo a gran escala. En su descripción, Runway señala un hallazgo: usar vídeos de internet o vídeos de robots teleoperados como datos de preentrenamiento da políticas con un rendimiento equivalente. Cuántos datos de entrenamiento se emplearon, el texto no lo revela.
Frente a modelos similares
Runway cita los resultados de la clasificación RoboLab-120 de Nvidia, calculados sobre 1200 episodios, con datos hasta noviembre de 2026:
| Modelo | Tasa de éxito en RoboLab-120 |
|---|---|
| Praxis-1 | 46,2 % |
| FLUX 3 Action | 42,9 % |
| Cosmos3 Nano | 36,8 % |
| π0.5 | 28,0 % |
Entre el primero y el segundo hay 3,3 puntos porcentuales, y 18,2 puntos respecto a π0.5. Los rivales tienen orígenes muy distintos: la familia Cosmos procede de Nvidia, que mantiene precisamente esta clasificación, y π0.5 es de Physical Intelligence, especializada en modelos base para robots. Que el modelo de una empresa de generación de vídeo quede por delante del de un fabricante de chips y del de una startup de robótica indica que, al menos en esta clasificación, el camino de “primero aprender a predecir imágenes y después aprender a actuar” da resultados.
Otro resultado procede de SimplerEnv: tras ajustarlo en un robot RT-1 que no había visto durante el entrenamiento, Praxis-1 alcanzó una tasa de éxito del 80,0 %, frente al 52,4 % de la política original de RT-1. Estas cifras y las de la clasificación las han publicado Runway y sus socios; por ahora no se conoce ninguna verificación independiente.
Un 46,2 % no es una tasa baja en robótica, pero también significa que en más de la mitad de los episodios la tarea no se completó. El anuncio solo ofrece la tasa global agregada de los 1200 episodios y no desglosa qué tareas la elevan y cuáles la lastran. Para los fabricantes que quieran llevarlo a la línea de producción, la estabilidad en cada tarea importa más que el puesto en la clasificación general; esos datos tendrá que obtenerlos la comunidad por su cuenta una vez publicados los pesos.
Los socios ya lo han montado en robots reales
Antes de publicar los pesos, tres socios ya lo habían probado en su propio hardware: el robot humanoide de Noble Machines, el brazo industrial de seis ejes de Standard Bots y el robot de almacén de dos brazos de Ultra. Las tres formas son muy distintas y, según Runway, basta una adaptación con LoRA para conectarlo a nuevos cuerpos, cámaras y tareas, sin reentrenar el modelo completo.
“With LoRA you can adapt it to your own embodiment, cameras and tasks without retraining the full model.”
En cuanto a la ejecución, el hardware de Nvidia que enumera Runway incluye H100, B200, RTX 5090, RTX PRO 6000 y Jetson Thor, instalado en el propio robot. Que una tarjeta de consumo como la RTX 5090 figure en la lista significa que los equipos pequeños también pueden ejecutarlo en local para experimentar, aunque la descripción no indica cuánta memoria de vídeo hace falta ni cuántos fotogramas por segundo alcanza la inferencia en el dispositivo.
Dónde conseguirlo
Los pesos y el código están en GitHub, en runwayml/praxis-1-oss, y en Hugging Face, en runwayml/praxis-1, este último con soporte nativo para el framework LeRobot de Hugging Face. La inferencia alojada de vLLM-Omni y Reactor también está integrada, y Nvidia NeMo Automodel ofrece un tutorial de posentrenamiento. Los equipos que planifiquen un despliegue en producción pueden contactar directamente con el equipo de robótica de Runway.
En los últimos años, el negocio principal de Runway ha sido la generación de vídeo, de la serie Gen a los modelos de mundo. Al regalar ahora un modelo que puede funcionar en brazos robóticos y humanoides, la empresa entrega directamente a la industria robótica la capacidad acumulada con el preentrenamiento en vídeo.
Fuentes: CocoLoop, anuncio oficial de Runway (verificados: número de parámetros, licencia, tasas de éxito en RoboLab-120 y SimplerEnv y criterio de cómputo), presentación de Praxis-1 en la página para desarrolladores de Runway.