Runway 开源 27B 世界动作模型 Praxis-1，权重采用 Apache 2.0 许可

Runway 宣布世界动作模型 Praxis-1 以 Apache 2.0 开放权重面向所有人开放。

该模型为 27B 参数 MoE 扩散 Transformer，同时预测视频与动作，在 NVIDIA RoboLab-120 榜单以 46.2% 成功率居首，超过 FLUX 3 Action（42.9%）、Cosmos3 Nano（36.8%）和 π0.5（28.0%）。

Runway 以 Apache 2.0 开放 27B 参数世界动作模型 Praxis-1 的权重，该模型可同时预测视频与动作，并在 RoboLab-120 榜单以 46.2% 成功率居首。

• Runway 以 Apache 2.0 开放 27B 参数世界动作模型 Praxis-1 的权重，该模型可同时预测视频与动作，并在 RoboLab-120 榜单以 46.2% 成功率居首。
• 原贴提到：Runway 宣布世界动作模型 Praxis-1 以 Apache 2.0 开放权重面向所有人开放。该模型为 27B 参数 MoE 扩散 Tra
• 来源：runwayml.com

这条信号的实质不是“又开源了一个模型”，而是世界动作模型开始以开放权重形式进入可评估、可部署的候选池。Praxis-1 把视频预测与动作预测放在同一个 27B MoE 扩散 Transformer 中，意味着团队不必把“世界模型”和“动作策略”完全割裂成两套管线；RoboLab-120 的 46.2% 成功率则给了一个可横向比较的起点。

为什么重要：Apache 2.0 开放权重降低了许可层面的摩擦，27B MoE 的规模也说明开源具身/世界模型不再只停留在小参数演示。对机器人团队，关键价值在于可以拿自有数据和硬件做复现与微调评估；对视频生成和世界模型团队，视频-动作联合预测提供了另一条技术参照；对推理基础设施团队，MoE 扩散 Transformer 的部署效率会成为实际门槛。

对谁有价值：具身智能/机器人创业团队可把它列为候选底座；研究团队可用榜单做基线复现；企业 AI 负责人可用它判断是否值得投入数据与算力；推理优化团队可关注 MoE 与扩散推理的吞吐成本。

可以怎么行动：先核对随模型发布的许可文本和模型卡，确认 Apache 2.0 覆盖范围与附加限制；在 RoboLab-120 或自有小规模任务上复现成功率；评估自有硬件的显存、吞吐和延迟；准备视频-动作配对数据与安全回退策略；与 FLUX 3 Action、Cosmos3 Nano、π0.5 做同任务对比，而不是只看单一榜单。

风险或限制：46.2% 只是 RoboLab-120 上的成功率，任务分布、评测协议和泛化边界未知，不能直接外推为通用机器人能力；原文未给出训练数据、推理成本、硬件门槛、微调资源和完整工程细节；开放权重不等于生产可用，机器人场景还需安全评估与人工兜底。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 runwayml.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《Runway 开源 27B 世界动作模型 Praxis-1，权重采用 Apache 2.0 许可》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• Runway：News（网页） 原帖