Runway开源Praxis-1世界动作模型：视频动作同步预测，端侧芯片可部署

　　机器人开发社区迎来一份重量级礼物。Runway 将旗下核心的世界动作模型 Praxis-1 的全部模型权重、推理代码以及微调工具悉数放入开源仓库，许可证选择了限制极少的 Apache2.0，开发者可以自由地将其用于商业项目。

　　这份底气来自榜单上的硬实力。在 NVIDIA 运营的 RoboLab-120 评测体系中，Praxis-1 历经 1,200 个回合的考验，整体成功率定格在 46.2%。这一成绩把 FLUX3Action 的 42.9%、Cosmos3Nano 的 36.8% 和 π0.5 的 28.0% 甩在身后，坐上了世界动作模型排行的头把交椅。

　　支撑这份成绩单的，是一个参数规模达 270 亿的混合专家扩散 Transformer。与以往只输出单一模态的方案不同，Praxis-1 在同一次推理中就能同时给出视频预测和动作序列，让机器人既能“想清楚”环境将如何变化，又能“算明白”自己该怎么行动。

　　实验室之外，这套模型已经过真实硬件的锤炼。Runway 先后与 Noble Machines、Standard Bots、Ultra 三家硬件厂商展开合作，把模型部署到足式人形机器人、六轴工业机械臂以及双臂仓储机器人上，均完成了实际运行验证。

　　跨形态迁移是 Praxis-1 的另一处亮点。Google RT-1 机器人从未出现在该模型的预训练数据里，但经过一轮轻量微调后，Praxis-1 在 SimplerEnv 模拟环境中的成功率一举冲到 80.0%，而 RT-1 原生策略只有 52.4%。近 28 个百分点的差距，直观体现了模型先验知识的厚度。

　　部署门槛方面，Praxis-1 对硬件的要求相当宽容。数据中心级的 H100 和 B200 固然可以驱动它，工作站常用的 RTX5090、RTX PRO6000 同样不在话下，甚至机器人本体搭载的 Jetson Thor 边缘芯片也能直接承载推理任务，覆盖了从云端到本体的完整链路。

　　获取渠道已经打通。完整的代码与权重托管在 GitHub 和 Hugging Face 上，其中 Hugging Face 版本原生兼容 LeRobot 框架。推理侧支持 vLLM-Omni 与 Reactor 托管两种调用方式；微调侧则提供全量微调和 LoRA 两条路径，开发者不必重训整个模型，就能把它适配到自己的机器人构型、相机配置和具体任务场景。

　　Runway 把这次开源视作物体 AI 走向开放的一步。该公司认为，美国若想守住物理人工智能的领先位置，除了在底层软硬件上持续投入，模型本身还必须具备当下物理应用场景所欠缺的互操作性与开放度。作为 Cosmos Coalition 的发起成员之一，Runway 正与 NVIDIA 等伙伴一道开放前沿技术栈，为全球开发者搭建共同的基础设施。目前，各大开源社区均可下载该模型，NeMo Automodel 也提供了上手教程，供开发者开展针对性的后训练。