A Runway tornou públicos os pesos do Praxis-1, seu “modelo de ação no mundo” para robôs, sob a licença Apache 2.0, com uso comercial permitido. O modelo foi apresentado pela primeira vez em setembro e, na época, só parceiros podiam testá-lo; agora qualquer desenvolvedor ou pesquisador de robótica pode baixá-lo, implantá-lo e ajustá-lo.
O Praxis-1 é um Transformer de difusão com arquitetura de mistura de especialistas (MoE) e 27 bilhões de parâmetros. Sua característica é prever vídeo e ação em conjunto: o modelo projeta as imagens dos próximos quadros e, ao mesmo tempo, indica como o robô deve se mover. Ele foi pré-treinado com vídeo em grande escala. Na descrição, a Runway menciona uma constatação: usar vídeos da internet ou vídeos de robôs teleoperados como dados de pré-treinamento leva a políticas de desempenho equivalente. Quanto de dados de treinamento foi usado, o texto não revela.
Comparação com modelos semelhantes
A Runway cita resultados do ranking RoboLab-120, da Nvidia, calculados sobre 1200 episódios, com dados até novembro de 2026:
| Modelo | Taxa de sucesso no RoboLab-120 |
|---|---|
| Praxis-1 | 46,2% |
| FLUX 3 Action | 42,9% |
| Cosmos3 Nano | 36,8% |
| π0.5 | 28,0% |
A diferença entre o primeiro e o segundo colocado é de 3,3 pontos percentuais, e de 18,2 pontos em relação ao π0.5. Os concorrentes têm origens bem distintas: a família Cosmos vem da Nvidia, que mantém justamente esse ranking; o π0.5 é da Physical Intelligence, empresa especializada em modelos de base para robôs. Um modelo de uma empresa de geração de vídeo ficar à frente dos de uma fabricante de chips e de uma startup de robótica indica que, ao menos nesse ranking, a abordagem de “primeiro aprender a prever imagens, depois aprender a agir” deu resultado.
Outro resultado vem do SimplerEnv: depois de ajustado em um robô RT-1 que não aparecera no treinamento, o Praxis-1 alcançou taxa de sucesso de 80,0%, contra 52,4% da política original do RT-1. Esses números e os do ranking foram divulgados pela Runway e por parceiros; até agora não há replicação independente.
Uma taxa de 46,2% não é baixa em robótica, mas também significa que, em mais da metade dos episódios, a tarefa não foi concluída. O comunicado traz apenas a taxa total agregada dos 1200 episódios, sem detalhar quais tarefas elevam o resultado e quais o puxam para baixo. Para quem pretende levá-lo à linha de produção, a estabilidade em cada tarefa importa mais do que a posição no ranking geral; esses dados dependerão de a comunidade rodar os testes por conta própria depois da liberação dos pesos.
Parceiros já testam em robôs reais
Antes da liberação dos pesos, três parceiros já haviam testado o modelo em seu próprio hardware: o robô humanoide da Noble Machines, o braço industrial de seis eixos da Standard Bots e o robô de armazém de dois braços da Ultra. As três formas são muito diferentes e, segundo a Runway, basta uma adaptação com LoRA para conectar o modelo a novos corpos, câmeras e tarefas, sem retreinar o modelo inteiro.
“With LoRA you can adapt it to your own embodiment, cameras and tasks without retraining the full model.”
Em termos de execução, o hardware Nvidia listado pela Runway inclui H100, B200, RTX 5090, RTX PRO 6000 e o Jetson Thor, instalado no próprio robô. Placas de consumo como a RTX 5090 estarem na lista significa que equipes pequenas também podem rodá-lo localmente para experimentar, embora a descrição não informe quanta memória de vídeo é necessária nem quantos quadros por segundo a inferência embarcada consegue alcançar.
Onde obter
Pesos e código estão no GitHub, em runwayml/praxis-1-oss, e no Hugging Face, em runwayml/praxis-1, este último com suporte nativo ao framework LeRobot da Hugging Face. A inferência hospedada via vLLM-Omni e Reactor também já foi integrada, e o Nvidia NeMo Automodel oferece um tutorial de pós-treinamento. Equipes que planejam implantação em produção devem falar diretamente com o time de robótica da Runway.
Nos últimos anos, o negócio principal da Runway foi a geração de vídeo, da série Gen aos modelos de mundo. Ao distribuir de graça um modelo capaz de rodar em braços robóticos e humanoides, a empresa entrega, na prática, diretamente à indústria da robótica a capacidade acumulada com o pré-treinamento em vídeo.
Fontes: CocoLoop, comunicado oficial da Runway (conferidos: número de parâmetros, licença, taxas de sucesso no RoboLab-120 e no SimplerEnv e metodologia de contagem), apresentação do Praxis-1 na página de desenvolvedores da Runway.