Runway开源270亿参数世界动作模型Praxis-1，可控制真实机器人

Praxis-1，我们最先进的世界动作模型，现已在Apache 2.0许可下以开放权重向所有人开放。我们在9月推出了Praxis-1，这是我们的首个世界动作模型，构建于我们通用世界模型背后的大规模视频预训练之上。我们的发布合作伙伴，包括Noble Machines、Standard Bots和Ultra，一直在自己的硬件上运行它：一台足式人形机器人、一台六轴工业机械臂和一台双臂仓库机器人。今天，同一个模型向每一位机器人开发者和研究者开放。

Praxis-1是一个27B参数的混合专家扩散Transformer，能够同时预测视频和动作。它是NVIDIA RoboLab-120排行榜上表现最好的世界动作模型，并且优于所有开放权重的VLA。在RoboLab-120上，Praxis-1在1,200个回合中达到46.2%的成功率，相比之下FLUX 3 Action为42.9%，Cosmos3 Nano为36.8%，π0.5为28.0%。

数据截至2026年11月；1,200个回合的成功率

Praxis-1今天已在GitHub、Hugging Face（原生支持LeRobot）以及vLLM-Omni上提供，并在Reactor上提供托管推理。在自己的硬件上运行和适配它所需的一切均以Apache 2.0发布，包括商业用途。这涵盖权重以及推理和微调代码，支持全量微调和LoRA。Praxis-1开箱即用，可在NVIDIA硬件上运行，从H100和B200等数据中心GPU，到RTX 5090和RTX PRO 6000等工作站GPU，再到机器人本体上的Jetson Thor。

Praxis-1从大规模视频中学习物体的行为方式和任务的展开过程，这使它在针对任何硬件或领域特定数据进行微调之前，就能在新本体上获得先发优势。我们的研究表明，作为策略性能的预训练数据，网络视频可与遥操作机器人视频相媲美，这将一个有能力策略的瓶颈转移到了模型能从多少通用视频中学习。

与我们的合作伙伴一起，单个Praxis-1检查点通过轻量微调已适配多种本体，而借助LoRA，你可以将其适配到自己的本体、相机和任务上，无需重新训练完整模型。在从未出现在其训练数据中的Google RT-1机器人上进行微调后，Praxis-1在SimplerEnv上达到80.0%的成功率，远高于原始RT-1策略的52.4%。

当我们发布Praxis-1时，我们承诺将其作为开放模型交付。美国在物理AI领域的领导地位将取决于对硬件和软件的投资，以及美国模型在物理用例中尚未具备的互操作性和开放程度。开放权重让硬件开发者能够按自己的条件灵活运行、检查和适配世界动作模型。Praxis-1建立在Runway作为Cosmos Coalition创始成员的工作之上，推动面向物理AI的开放世界模型。Runway和NVIDIA正在共同开放前沿技术栈，为开发者提供共享基础，以构建并解决物理AI的挑战。

在Hugging Face上下载Praxis-1，在GitHub上查看代码，或在Runway Dev上试用。开发者可以通过NeMo Automodel实操教程，针对其领域特定用例对Praxis-1进行后训练。如果你正在规划部署，请联系我们的机器人团队。