Runway 发布 Praxis-1：称其首个开放权重 world action model，权重拟未来数月公开

2026 年 9 月 30 日 17:00 UTC（北京时间 10 月 1 日 01:00），Runway 在其研究页面发布，称它是公司首个开放权重（open-weight）的 world action model，作用是把 Runway 的大规模视频预训练转化成真实机器人的控制能力。Runway 的在 18:06 UTC 发布了同一则消息，写明权重会在「未来数月」公开发布。

Runway 说 Praxis-1 正在 Noble Machines、Standard Bots 和 Ultra 三家伙伴的硬件上做早期测试，每家跑各自的机器人本体。权重尚未发布，页面上的演示与数字均出自 Runway 自报；在 Runway 的措辞里，Praxis-1 既是 world action model，也是面向机器人开发者的通用 policy model（策略模型）。

一句网球指令、一条多步任务、一次环境迁移

发布页的第一段演示配着一句指令：「把网球拿起来，放进盒子里。」画面里是一台双臂平台，桌面上放着网球、棒球和一个纸盒。

接着是图 1 的多步任务：底盘靠近书架，朝目标物体导航，取下书并放到别处，1x 速度播放。

图 4 讲的是环境迁移：同一条策略在影棚和家庭厨房之间移动，没有重新训练，同样是 1x 速度。

视频数据补的是真实数据缺口

Runway 把动机写成一个数据问题。想大规模部署的机器人项目会碰到同一个障碍：真实世界数据稀缺，采集成本高，达不到通用策略所需的量；对边缘情况频繁的部署，比如自动驾驶或家庭机器人，页面称「没有实际路径」采集到训练所需的数据，更不用说有意义的规模。

视频不在这个约束里。发布页先用「实际上无限」形容视频，又说随着生成模型在质量和速度上追平真实视频，视频正变得「真正无限」；页面还称，人们每天拍摄上传的日常生活视频，比任何机器人实验室通过遥操作演示能采集到的更多。

页面给出的技术判断是：策略性能会随第三方视角视频的规模提升而提升，瓶颈变成模型能训练多少通用视频。支撑这一步的是图 2，它比较网络视频与遥操作机器人视频作为预训练数据的效果：纵轴是微调后的最终放置误差，越低越好，误差棒为 ±1 SEM、基于 93 组评测配对，图中注明小于误差棒的差异不显著。

同一节还列出四种会难住「只用示范数据训练的策略」的情况：刚性物体、杂乱场景、透明物体、可形变物体。

0.95 的相关系数来自 2026 年 2 月的一次评测

Praxis-1 的发布页引用了 Runway 自己此前的发现：在世界模型里模拟机器人策略，对真实世界结果的预测相关性达到 0.95，并且比更昂贵的、基于 3D 重建的做法表现更好。这条数字的原始出处是 Runway 2026 年 2 月 27 日的另一篇研究文章，评测对象是，即 Gen-4.5 视频生成模型的一个变体。

那篇文章把方法写得很细：任务取自 RoboArena 基准，覆盖八个视觉-语言-动作（VLA）策略，所有 rollout 都跑在 Franka Emika Panda 单臂上；Runway 在相同初始条件下用世界模型模拟每个策略，共生成 1,450 次模拟 rollout，再让人工评分者判断机器人朝任务指令推进了多少，最终收集到逾 16,000 份个人评分，每次 rollout 约由 10 名独立评分者评估。

结果是模拟与真实的策略评分 Pearson 相关系数为 0.95，Mean Maximum Rank Violation（MMRV）为 0.033；在同样被 PolaRiS 评测过的策略子集上，相关系数升到 0.986，MMRV 为 0。

那篇文章同时写下了自己的边界：它评估的是策略排序，即模拟结果能否保持策略之间的相对次序，而不是绝对成功率预测；评测范围限于单臂桌面操作。Praxis-1 的发布页把这条 0.95 作为论据引述，指向的是世界模型这条技术路径，而不是对 Praxis-1 本身的评测。

三家伙伴，三种本体

发布页点名三家早期伙伴，并分别标注了本体与倍速：Noble Machines 做双臂操作，Standard Bots 用 6-DoF 机械臂 RO1，两者的画面都标 2x 速度；Ultra 是移动底盘。

Runway 说这几家各自在自己的硬件上运行模型；这轮测试要同时验证效果与安全，做法是在多种本体和环境上评估，找出并补上缺口，之后再进入普遍可用（general availability）。三家之外，页面说还将在公开发布前向更多伙伴提供早期访问。

开放权重：Runway 给出的理由是物理 AI 的领先地位

发布页写明，Praxis-1 公开发布时会以开放权重而不是封闭模型的形式提供。理由在「Why Open Weight」一节：Runway 认为美国在物理 AI（physical AI）上的领先至关重要，重新取得制造业的全球领先、提升整体经济生产率、保障自身与盟友都依赖于此。要实现这些，需要硬件和软件投资大幅增加，也需要美国模型在物理用途上具备一种「目前并不存在」的互操作性与开放程度。Runway 把开放世界模型描述为一种可累积的优势，让硬件开发者拿到他们现在没有的灵活性和控制权。

公开权重的许可条款还没有落定

发布页的时间口径只有「未来数月」，页面上没有具体日期、许可条款、模型规模或权重形式的说明。今天能操作的入口是预发布访问：硬件方可以通过页面上的表单联系 Runway 的机器人团队。Runway 现有的显示，其商用平台由 GWM-1 驱动，提供策略推理、离线策略评估、数据增强和视频模型授权；到发布当日，两处页面都没有说明 Praxis-1 与这套现有平台如何衔接。

发布页把「开放权重」和硬件开发者的灵活性直接绑在一起，但决定这句话实际含义的会是数月后那份许可：谁可以把 Praxis-1 装到自己的机器人上，以及以什么条件。