Runway 正式开源 27B 参数世界动作模型 Praxis‑1，采用 Apache 2.0 协议允许商业使用，并且在 NVIDIA RoboLab‑120 机器人权威榜单拿到第一名，它和传统机器人策略模型最大的区别是依托大规模通用视频预训练，同时预测未来画面和机器人动作，不再严重依赖昂贵、稀缺的机器人示教数据，机械臂、双臂人形、仓储机器人都可以拿来微调；这次放出的包不只是权重，推理代码、全量微调、LoRA 微调脚本一并开放，开发者可以直接在本地工作站、服务器甚至机器人端 Jetson 硬件跑通，对于做具身智能、机器人操控的团队来说，相当于拿到一套可以二次改造的基础机器人大脑，不用从零搭建视频 - 动作联合预测底座。下面把模型架构、榜单对比、版本清单、硬件适配、上手步骤分开讲清楚。
一、模型基础信息
Praxis‑1 是 27.2B 参数 MoE 扩散 Transformer，定位世界动作模型，核心思路是输入相机画面、文字指令、机器人当前状态，同步输出下一帧预测画面和机器人动作序列，动作输出帧率支持 15Hz。
- 版本清单
- 许可证：Apache 2.0
- 分发渠道：GitHub、Hugging Face、vLLM‑Omni，同时有 Reactor 托管推理服务。
| 版本 | 适用对象 | 说明 |
|---|---|---|
| praxis‑1‑base | 基础通用底座 | 通用视频动作预训练权重 |
| praxis‑1‑droid | Droid 机械臂 | 单臂操控专用变体 |
| praxis‑1‑yam | 双臂机器人 | 双臂协同任务变体 |
| LeRobot 适配版 | 机器人开源框架 | 原生兼容 LeRobot，降低二次开发门槛 |
权重、推理代码、微调代码全部开放，个人研究、企业商业化落地都允许，没有额外闭源限制，可以自由修改、蒸馏、二次分发。
二、RoboLab‑120 榜单成绩
这套基准一共包含 1200 个测试回合，用来评估通用操控任务成功率，官方公布对比表如下。
| 模型 | RoboLab‑120 任务成功率 |
|---|---|
| Praxis‑1 | 46.2% |
| FLUX 3 Action | 42.9% |
| Cosmos3 Nano（NVIDIA） | 36.8% |
| π0.5（Physical Intelligence） | 28.0% |
额外对照测试：在没有出现在训练集的 Google RT‑1 机器人上微调后，在 SimplerEnv 仿真环境达到 80% 成功率，原版 RT‑1 策略只有 52.4%。
三、硬件适配清单
全部优先适配 NVIDIA 显卡，从云端算力到端侧机器人芯片都覆盖。
- 数据中心：H100、B200；推荐 80GB 显存起步
- 工作站：RTX 5090、RTX PRO 6000（RTX5090 属于实验性支持）
- 机器人端侧：Jetson Thor，可以直接部署在实体机器人上运行推理
四、上手复现步骤
- 拉取仓库与权重：从 Hugging Face 下载对应权重，优先选 LeRobot 版本，适配工具链更成熟；
- 环境部署：安装 vLLM‑Omni 或者官方推理依赖，配置 CUDA 环境；
- 基础推理测试：输入图像 + 文本指令，跑通单步预测，查看同步输出的画面与动作指令；
- 微调选择：简单适配优先 LoRA，低成本快速适配自己的机械臂；如果要大幅改造任务范式，使用全参数微调；
- 接入实体机器人：对接机器人控制 SDK，把模型输出的动作指令下发给关节控制器；
- 评估验证：在 RoboLab‑120 子集或者自建任务集统计成功率，对比基线。
五、优势与局限
- 优势
- 依托海量互联网视频预训练，不用海量机器人示教数据就能具备泛化能力；
- 视频 + 动作联合预测，模型自带对物理世界的预判，遇到遮挡、杂物堆积场景容错更好；
- 许可证宽松，企业可以直接商用，支持蒸馏、轻量化改造；
- 覆盖单臂、双臂、移动机器人，适配场景广。
- 局限
- 当前榜单数据为 Runway 自测结果，还没有大量第三方独立复测；
- 原生大权重推理显存门槛高，普通消费卡跑完整版压力大；
- 面向工业高安全场景，缺少安全校验、急停、异常动作拦截模块，不能直接无防护上线。
【相关 FAQ】
问题 1：Runway Praxis‑1 27B 世界动作模型采用 Apache2.0 开源，是不是可以直接拿来做机器人产品商用？
回答 1：Runway Praxis‑1 27B 世界动作模型采用 Apache2.0 开源，协议层面允许商用，权重、推理和微调代码都开放；但商用前要自己增加安全管控、动作校验、风险拦截，基准测试成绩不等于工业场景安全可用。
问题 2：Runway Praxis‑1 27B 世界动作模型登顶 RoboLab‑120，这个榜单主要测哪些机器人能力？
回答 2：Runway Praxis‑1 27B 世界动作模型登顶 RoboLab‑120，该榜单一共 1200 个回合，主要评估机器人抓取、摆放、收纳、开关抽屉这类日常操控任务，重点考验模型在杂乱环境里的泛化操控能力。
问题 3：Runway Praxis‑1 27B 世界动作模型，LoRA 微调和全参数微调怎么选？
回答 3：Runway Praxis‑1 27B 世界动作模型，如果只是适配自家机械臂、少量固定任务，优先 LoRA 微调，显存开销更低；如果要彻底改变任务范式、重构动作输出逻辑，再使用全参数微调。
问题 4：Runway Praxis‑1 27B 世界动作模型，它和普通机器人策略模型最大差别是什么？
回答 4：Runway Praxis‑1 27B 世界动作模型属于世界动作模型，会同时预测未来视频画面和动作，依靠通用视频学习世界物理规律；普通机器人策略大多只靠机器人示教数据学习动作映射，泛化能力更容易受限。
【参考资料】
[2026-11-12]（Runway Releases Praxis-1 Robot Model With Open Weights）AI Brief
[2026-11-12]（Runway releases Praxis-1 robot policy under Apache 2.0）Sulat AI & Tech News
[2026-11-11]（Praxis-1 Is Now Available）Runway 官方新闻
[2026-11-11]（Runway Opens Praxis-1 Weights Under the Apache 2.0 Licence）TSN
[2026-11-11]（Runway free open-weight robot AI model Praxis-1 released）MadRobot
【免责声明】
本文内容为 Runway Praxis‑1 模型公开资讯整理，榜单性能数据来自厂商自测，尚未经过大规模第三方独立验证；Apache 2.0 许可仅代表模型开源授权，不代表模型具备工业安全资质；实体机器人部署务必增加安全围栏、动作校验、急停保护机制；模型微调、部署时请严格遵守硬件厂商、开源框架的相关规范。