视频公司开源机器人模型：46.2% 是第一，总榜却只排第五

11 月 11 日，Runway 把 Praxis-1 的权重放了出来。Apache 2.0 许可，明确允许商业用途。

奇怪的地方在于，Runway 的主业是生成视频。现在它把一整套机器人控制模型开源了，还带着推理和微调代码。

该紧张的其实不是视频同行。是那些做了两三年 VLA、还在等下一轮融资的机器人团队：你花钱买遥操作数据，人家拿网页视频就把底座练出来了。

先说句不好听的：开源机器人大模型的，是家做视频的公司

这个模型 9 月就首次发布过，当时只有发布伙伴能在自己的机器人上跑。两个月后权重直接放开，GitHub 和 Hugging Face 同时给，推理、微调代码都在，全量微调和 LoRA 都支持。

这不是发个炫技视频就完事。它把”能不能用”这道门槛直接砍了。

为什么是视频公司先做成？因为它本来就在干一件事：预测下一帧会发生什么。机器人动作只是把这件事往前推一步，从”猜画面”变成”猜画面加猜关节”。

所以真正的信号不是它开源了，是它证明这条路走得通。

它给的到底是什么：27.2B 参数，一张 80GB 卡装得下

参数是 27.2B，拆开看是 26.9B 的视频主干加一个 16 层的 action expert。MoE 扩散 Transformer，每个 token 大约激活 2.8B。

bf16 权重包 54.4 GB。单张 80GB 的 GPU 就能装下，不用凑八卡。

控制频率 15 Hz，每次调用预测 24 步动作，覆盖 1.6 秒。

这三条里最该注意的是最后一条。15 Hz 意味着每 66 毫秒决策一次，但它一次想的是一秒半的动作序列。

它不是在”看图选动作”，是在”先想象接下来 1.6 秒会怎样，然后照着想象动”。

这也是它敢叫世界动作模型的原因：它同时预测未来视频和机器人动作。只输出动作的叫 VLA，连未来画面一起预测的才是 world action model。

三个 checkpoint 别拿错：base 那个不能开机器人

官方放了三个 checkpoint，用途完全不同。拿错不是效果差，是根本动不了。

• base：没有 embodiment 专用 head，只能当微调起点，不能直接驱动机器人
• DROID：目标形态是单只 Franka 机械臂，配一个外部相机加一个腕部相机
• YAM：目标形态是双臂机构，两条手臂加三个相机

GitHub 仓库里还提到 NVFP4 量化版本，routed experts 在 SM120 GPU 上跑 4bit；另有一个面向 SO-101 机械臂的 checkpoint 还在路上。

很多人第一步就错在这：下载 base，接上自己的机械臂，发现输出对不上维度，然后判断”模型不行”。

数字要看清楚：46.2% 是第一，也是第五

这一节请慢慢看，全文最容易被带偏的地方就在这。

先说成绩。NVIDIA RoboLab-120 模拟基准上，1200 个回合成功 555 个，成功率 46.2%。对比数字是 FLUX 3 Action 的 42.9%、Cosmos3 Nano 的 36.8%、π0.5 的 28.0%。

但这组数字是 Runway 自报的，方式是拿自己的成绩对着别家公开的数字比。不是第三方复现，也没有统一重跑。这是第一件要说清的事。

第二件是排位。同一张榜单的总榜上，Praxis-1 排第五。榜首 86.0% 是一个 agentic 语言模型策略，还有一个 VLA 模型做到 49.2%。

所以”世界动作模型里第一”是真的，”总榜第一”不是。榜首那个条目类型不同、评测设置不同，放一起比本身就不严谨，这一点是独立报道这事的媒体补上的角度。

为什么会差这么多？因为几种系统在解决不同的问题。agentic 语言模型策略是把任务拆成子目标再调底层技能；VLA 是直接从视觉和语言映射到动作；世界动作模型是先在内部模拟未来，再决定怎么动。同一张榜未必对后者友好。

榜单方另外标注了部分条目训练时用过模拟数据，Praxis-1 没有被标注。榜单提交目前处于暂停状态，意味着这些排名短期不会再被刷新校正。

第三件最容易忽略：RoboLab-120 是模拟基准。模拟里成功 555 次，不等于真机部署成功 555 次。摩擦、延迟、相机标定、夹爪公差，模拟里都没有。

Runway 自己的迁移数据也说明这点。在 Google RT-1 机器人上轻度微调（该机型不在预训练数据里），SimplerEnv 成功率 80.0%，原始 RT-1 策略 52.4%。这组同样是 Runway 口径。

更保守的是 DROID checkpoint 的官方卡：在 Runway 自己的评测集上，full prompt adherence 52.5%，95% 置信区间 35.8 到 68.3。

区间这么宽，说明样本量不大。这种数字要看区间，不能只看点估计，更别把 52.5% 当成”一半情况能听懂指令”来讲。

真正该抄的是配方：58% 的训练数据来自人类第一视角视频

比榜单更值得关注的是训练混合：58% 第一人称人类视频，20% 通用视频，18% 真实机器人视频。DROID 微调用了约 277 小时的成功 DROID 片段。

Runway 的说法是，网页视频在策略性能上能与遥操作机器人视频匹敌，作为预训练数据。

如果这句话成立，整个行业的成本结构要重算。遥操作数据又贵又慢，一小时几百条轨迹顶天了；人类第一视角视频便宜、量大、还在天天新增。

发布伙伴的反馈算佐证。Noble Machines 的足式人形、Standard Bots 的六轴工业臂、Ultra 的双臂仓储机器人，都在真机上跑过。

Runway 机器人负责人 Andy Chen 说，跟 Noble Machines 合作时，模型从半小时示范里学会了拣木板，15 次全对；换成一堆没见过的乱木板，十次里成功六次。

注意这个衰减：结构化场景全对，非结构化场景六成。这就是当前能力的真实位置，也是你排期时该按的下限。

现在能不能用：给你一组 if/then 判断

直接给判断，别绕。

如果你手上是单只 Franka，加一个外部相机和一个腕部相机，DROID checkpoint 是最省事的起点。微调代码和 LoRA 都在仓库里，先把闭环跑通，再谈效果好坏。

如果你用的是双臂机构，走 YAM，别硬改 DROID。相机数量和拓扑对不上，调试成本比重练一遍还高。

如果你只有工作站卡，RTX 5090 和 RTX PRO 6000 都在支持范围内。NVFP4 量化版本就是为这条路径准备的，routed experts 用 4bit 跑在 SM120 上。

如果你要直接把模型放到机器人身上，Jetson Thor 这一档也在名单里；往上是 H100、B200 的数据中心卡，往下就是这台小机器。

如果你只想要一个能跑通的最小闭环，那就别碰 base。拿 DROID 或 YAM 当参照，比从零对齐 shape 快得多。

生态这块给得算厚。Hugging Face 上的版本原生支持 LeRobot；推理可以走 vLLM-Omni，也可以直接用 Runway 自己的 Reactor 托管服务。具体安装和启动命令以官方仓库 README 为准，别照抄二手教程。

有个坑必须提前说。冻结的 Wan2.2 VAE 和 Qwen3.5-2B 文本编码器是单独分发的，各自带自己的许可。

Apache 2.0 覆盖的是 Praxis-1 本体，不等于整条依赖链都能随便商用。上线前把这几份许可逐个过一遍，别等法务来找。

如果你的场景是高精度工业装配，现在别指望一个 15 Hz 的通用策略替代专机。它的强项是泛化和快速上手，不是毫米级重复精度。

想先把世界模型这条线搞明白，可以回看 PixVerse R2 和 智象 HiDream-O1-World，一条讲实时生成，一条讲可交互。

真正的信号不是 46.2%。是一个做视频的公司证明了：机器人最缺的那块拼图，可能一直躺在已经拍好的视频里。

关注圈圈，持续带你玩转 AI 工具。