人工智能在具身智能领域的角逐迈入全新阶段。近日，全球领先的人工智能公司 runway 正式宣布，其旗舰级世界动作模型 praxis-1 全面向全球开发者与研究人员开源，并采用宽松的 apache 2.0 开源许可证——不仅完全公开模型权重，还同步开放推理与微调代码，全面支持商业化应用。
卓越性能：270亿参数 MoE 架构，强势登顶权威机器人评测榜单
Praxis-1 是一款基于混合专家架构（MoE）的扩散 Transformer 模型，参数量达 270 亿。其核心突破在于可联合建模视频序列与对应动作指令，实现端到端的“感知—决策—执行”闭环。此前，Runway 已联合 Noble Machines、Standard Bots 及 Ultra 等硬件伙伴，在足式人形机器人、六轴工业机械臂及双臂仓储机器人平台上完成实际部署验证。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在 NVIDIA 主导的 RoboLab-120 标准化基准测试中，Praxis-1 表现出显著领先优势：在总计 1,200 轮任务评估中，整体成功率高达 46.2%，大幅超越 FLUX3Action（42.9%）、Cosmos3Nano（36.8%）与 π0.5（28.0%），稳居当前世界动作模型性能榜首。
更值得关注的是其迁移泛化能力——仅对 Google RT-1 机器人（该平台未参与 Praxis-1 的任何预训练）进行轻量级微调后，模型在 SimplerEnv 模拟环境中的任务完成率跃升至 80.0%，远高于原始 RT-1 策略的 52.4%，凸显其跨平台适配性与先发技术壁垒。
全栈硬件兼容：从数据中心到边缘设备无缝覆盖
在工程落地层面，Praxis-1 展现出极强的硬件普适性。它深度适配 NVIDIA 全系计算生态：既可在 H100、B200 等数据中心级 GPU 上高效运行，也兼容 RTX 5090、RTX PRO 6000 等高端工作站显卡；甚至可直接部署于搭载 Jetson Thor 的机器人本体边缘芯片，真正实现“模型随行”。
为加速开发者集成进程，该模型已在多个主流开源平台上线：
代码与权重获取：GitHub 与 Hugging Face 均已提供完整开源资源，其中 Hugging Face 版本原生集成 LeRobot 框架支持。
推理与微调支持：兼容 vLLM-Omni 与 Reactor 托管推理服务；同时支持全参数微调与 LoRA 高效适配方案，开发者无需从头训练，即可快速对接自有机器人形态、传感器配置及特定作业场景。
推动物理 AI 开放协作：共建可互操作的技术基座
谈及此次全面开源的战略动因，Runway 表示：美国若要在物理人工智能领域持续领跑，除持续强化底层软硬件投入外，更亟需打破模型封闭性，构建具备高度互操作性与开放性的技术范式。
作为 Cosmos Coalition（宇宙联盟）创始成员之一，Runway 正与 NVIDIA 等行业领军者协同推进前沿技术栈开源化，致力于为全球开发者打造统一、开放、可扩展的物理 AI 基础设施，共同应对现实世界智能体所面临的核心挑战。目前，开发者可通过各大开源社区直接下载使用，亦可参考 NeMo Automodel 提供的入门教程开展定制化后训练。
