2026年11月12日，Runway宣布世界动作模型Praxis-1即日起以Apache 2.0协议开放权重，任何人都能下载、部署乃至商用。这款27B参数的混合专家扩散Transformer同时预测视频与动作，在英伟达RoboLab-120榜单上以46.2%的成功率登顶，超过所有开源视觉—语言—动作模型。
Praxis-1今年9月首次亮相，基于Runway通用世界模型背后的大规模视频预训练。首批合作方已在自有硬件上跑通：Noble Machines的双足人形机器人、Standard Bots的六轴工业臂、Ultra的双臂仓储机器人。模型即日起上架GitHub与Hugging Face，原生支持LeRobot，同时进入vLLM-Omni，Reactor提供托管推理；权重、推理与微调代码全部开放，支持全量微调与LoRA。硬件覆盖从数据中心的H100、B200，到工作站RTX 5090、RTX PRO 6000，乃至机器人本体的Jetson Thor。
一个检查点怎么适配不同机器人
关键在预训练方式。Praxis-1从大规模网络视频里学物体如何运动、任务如何展开，换新本体之前就已经有了先手。Runway的研究显示，网络视频作为预训练数据，效果可比拟远程操控的机器人实录视频，策略能力的瓶颈由此转向模型能学多少通用视频。实测中，单个检查点经轻量微调就能适配多种本体；在从未见过的谷歌RT-1机器人上微调后，SimplerEnv成功率达到80.0%，远高于原始RT-1策略的52.4%。与此同时，英伟达的Cosmos也在扩充世界模型工具，从造数据到部署仿真一条龙。
开源对机器人开发者意味着什么
对开发者来说，变化首先是成本结构：不用从零采集海量示教数据、训练自家策略，就能拿到一个登顶榜单的起点，再按自己的本体、摄像头和任务做LoRA微调。边界同样清楚：Praxis-1不是开箱即用的通用机器人大脑，换硬件仍要微调，真实部署的安全与可靠性还得自己验证。谷歌的Gemini Robotics ER 2走的是另一条路，机器人先想好再动手，两种路线会在真实任务里分高下。Runway表示，这是其作为Cosmos Coalition创始成员推动开放世界模型的一部分。下一步值得看社区复现进度：各家硬件上的适配效果，以及NeMo Automodel教程能否把微调门槛真正拉下来。
