概览
Praxis-1 是 Runway 进军机器人领域的第一个模型，官方叫它「世界动作模型」（world action model）。它 2026 年 9 月 30 日首次亮相，11 月 11 日以 Apache 2.0 许可开放权重，推理、策略服务和微调代码一并开源，可以商用。和常见的 VLA 模型不同，它的底座是 Runway 自家世界模型那套大规模视频预训练：视频主干先想象场景接下来会变成什么样，再由一个小型动作专家读取这些预测特征，算出能让场景这样变化的动作。不同机器人通过各自的薄投影层接入，所以同一个模型能控制单臂、双臂和移动操作平台。每次调用时，输入是文字指令、最近的相机画面和机器人当前位姿，输出是下一段预测视频和 1.6 秒的动作（15 Hz，24 步）。在单张 H100 上，一次调用往返约 0.55–0.6 秒。 主干共 26.9B 参数，20 个前馈层里有 17 个是 MoE，每个 token 激活约 2.8B；文本编码器用冻结的 Qwen3.5-2B，潜空间用冻结的 Wan2.2 VAE。官方数据：在 NVIDIA RoboLab-120 榜单上成功率 46.2%，高于 FLUX 3 Action（42.9%）、Cosmos3 Nano（36.8%）和 π0.5（28.0%）；在训练中从没见过的 Google RT-1 机器人上微调后，SimplerEnv 成功率 80.0%，原版 RT-1 策略是 52.4%。 Hugging Face 上放了 base、DROID 单臂、YAM 双臂三个检查点，另有 LeRobot 格式和 NVFP4 量化版（权重从 54.4 GB 压到 17.5 GB）。模型也接入了 vLLM-Omni，可以在 Reactor 上托管推理；跑仿真或做 LoRA 微调需要一张 80 GB 显存的 GPU。对做具身智能的国内团队来说，它是目前少见的大规模、宽松许可、带完整微调链路的视频派机器人基座。 官网：https://runway.com/product/robotics ；权重：https://huggingface.co/collections/runwayml/praxis-1 ；代码：https://github.com/runwayml/praxis-1-oss ；技术报告：https://runway.com/research/praxis-1-video-pretraining-to-robot-control
- 模态
- 多模态
- 参数量
- 27B
- 许可说明
- 开源 · Apache-2.0
能力
- 具身智能
- 机器人控制
- 世界模型
- 开放权重
