人工智能在具身智能领域的竞争迎来了又一个里程碑。近日，知名人工智能企业 Runway 宣布，其旗舰级世界动作模型 Praxis-1正式面向全球开发者和研究者开源，并采用友好的 Apache2.0许可，不仅开放了全部模型权重，还同步开源了推理和微调代码，全面支持商业用途。
顶尖性能:270亿参数 MoE 架构，登顶权威机器人榜单
作为一款拥有270亿参数的混合专家扩散 Transformer（MoE Diffusion Transformer），Praxis-1的核心创新在于能够同时预测视频与动作。此前，Runway 已通过与 Noble Machines、Standard Bots 以及 Ultra 等硬件合作伙伴的协作，在足式人形机器人、六轴工业机械臂和双臂仓储机器人上成功跑通了该模型。
在 NVIDIA 旗下权威的 RoboLab-120基准测试中，Praxis-1展现出了统治级的实力。在1，200个评测回合中，其整体成功率达到了46.2%，成功超越了 FLUX3Action（42.9%）、Cosmos3Nano(36.8%)以及 π0.5(28.0%)等一众强劲对手，高居世界动作模型榜首。
在迁移泛化能力测试中，经过在 Google RT-1机器人（该机器人从未出现在其预训练数据中）上的轻度微调，Praxis-1在 SimplerEnv 模拟环境中的成功率飙升至80.0%，远高于原始 RT-1策略的52.4%，充分证明了其强大的先发优势与跨形态适应能力。
硬件适配与生态支持:覆盖从数据中心到边缘端侧
在实际部署层面，Praxis-1展现了极强的硬件包容性。它能够与 NVIDIA 生态深度契合，不仅支持 H100、B200等高性能数据中心 GPU，还能完美适配 RTX5090、RTX PRO6000等工作站级显卡，甚至能够直接部署在机器人本体搭载的 Jetson Thor 等边缘端侧芯片上。
为了方便开发者快速上手，该模型已在多个主流代码与托管平台上线:
代码与权重获取: 开发者可通过GitHub和Hugging Face获取完整内容，其中 Hugging Face 版本已原生支持 LeRobot。
推理与微调: 支持通过 vLLM-Omni 以及 Reactor 托管推理进行调用;同时支持全量微调和 LoRA，开发者无需重新训练完整模型，即可轻松将其适配到自身的机器人形态、特定相机和具体任务中。
推动物理 AI 开放:大势所趋的开源生态
谈及此次全面开源的初衷，Runway 表示，美国要在物理人工智能领域保持领先，不仅需要持续投入底层软硬件，更需要让模型达到目前物理应用场景中尚不具备的互操作性与开放程度。
作为 Cosmos Coalition（宇宙联盟）的创始成员，Runway 正携手 NVIDIA 等行业伙伴开放前沿技术栈，为全球开发者提供共同的基础设施，合力攻克物理 AI 领域的种种技术难题。目前，开发者不仅可以前往各大开源社区下载使用，还可以借助 NeMo Automodel 的上手教程进行针对性后训练。
