一家靠视频生成成名的公司，把自家机器人大模型的全部权重放到了网上。
11月11日，Runway宣布Praxis-1正式开源，许可证是Apache 2.0，商用、微调、再分发都不设门槛。权重、推理代码、全量微调与LoRA微调代码，一起放在了GitHub和Hugging Face上。
先想画面，再出手
Praxis-1是个270亿参数的混合专家扩散Transformer。发布方管它叫「世界动作模型」：每次执行前，模型先在内部生成接下来约1.6秒会发生什么的画面，再从这段想象里倒推出机器人该做的动作。
这个设计解决的是机器人行业的老难题。传统控制模型直接从传感器读数映射到电机指令，缺了对物理世界的预判；而纯视频模型只会想象，不会执行。把两件事放进一个模型，等于让机器人先「过一遍脑子」再动手。
训练分四步走：先在通用视频上预训练，再用大量第一人称人类活动的具身视频做中期训练，然后视频与动作联合训练，最后针对特定机器人微调。发布材料还写明，每台机器人只加很薄的输入输出层，主干和动作专家是共享的——这解释了它为什么能低成本适配不同机型。
这套打法来自Runway的老本行。模型先在海量视频上学会物体怎么动、怎么碰，再拿机器人数据微调，把看会的本事变成手上的动作。
成绩和它的边界
在英伟达的RoboLab-120仿真基准上，经DROID数据集微调的Praxis-1完成1200个回合中的555个，成功率46.2%，在世界动作模型类别里排第一，领先FLUX 3 Action的42.9%、Cosmos3 Nano的36.8%、π0.5的28.0%。
发布方还给出迁移成绩：微调到从未在训练数据里出现过的谷歌RT-1机器人上，SimplerEnv测试成功率80.0%，而原版RT-1策略只有52.4%。
榜单另有读法。据第三方核查报道，在包含各类系统的综合榜单上，Praxis-1排第五，榜首是一类带语言模型的智能体系统，成绩86.0%。仿真成绩也不等于真机部署——英伟达自己在榜单说明里写明了这一点。
从机房装到机器人身上
部署门槛压得不高。全量模型bfloat16精度54.4GB，单张80GB显卡可跑；4-bit量化版缩到17.5GB，RTX 5090工作站显卡和机器人本体的Jetson Thor都装得下。Runway口径的单次推理耗时约0.55到0.6秒。
发布时已有三家硬件合作伙伴在用：足式人形机器人、六轴工业臂、双臂仓储站各一。Runway给的例子是木箱装箱任务——半小时演示之后，15次尝试全部成功。注意，这是发布方口径，还没有独立复现。
9月首发时Runway承诺开源，两个月后兑现。视频预训练做机器人控制这条路线，现在有了一份可以下载验证的完整实现。
开源内容分三份权重：基座模型、DROID数据集微调版、YAM双臂机器人微调版，配套推理代码和全量与LoRA微调代码。Hugging Face版本原生支持LeRobot框架，也能通过vLLM-Omni和Reactor托管推理调用。
对小团队来说，意义在门槛：不用从头训模型，拿自己机器人的数据做LoRA微调，就能上手试。
对行业来说，值得留意的是竞争坐标的变化。做生图、做视频的公司，正在把生成能力往物理世界延伸——视频模型学会了预测世界，下一步就是预测世界里「自己该做什么」。这家公司把牌摊开之后，同类团队要么跟进开源，要么拿出更强的闭源成绩。
免责声明：本文引用的技术数据均为发布方口径，未经独立复现，不构成任何投资建议。