شرکت Runway روز ۱۱ نوامبر ۲۰۲۶ وزن‌های Praxis-1 را منتشر کرد؛ مدلی ۲۷ میلیارد پارامتری از نوع «مدل کنش جهان» که برای کنترل ربات‌ها ساخته شده است. اکنون هر توسعه‌دهنده‌ای می‌تواند آن را با مجوز Apache 2.0 و حتی برای مصارف تجاری به کار ببرد. Runway این مدل را در ماه سپتامبر به‌عنوان نخستین مدل از این نوع معرفی کرده بود و تا امروز فقط شریک‌های اولیه آن را روی ربات‌های خودشان اجرا می‌کردند. این انتشار علاوه بر وزن‌ها، کد استنتاج و تنظیم دقیق را هم دربر می‌گیرد و هم تنظیم دقیق کامل و هم LoRA را پشتیبانی می‌کند.
از نظر فنی، Praxis-1 یک ترانسفورمر دیفیوژن با ساختار ترکیب متخصصان است که ویدیو و کنش ربات را هم‌زمان پیش‌بینی می‌کند و بر همان پیش‌آموزش ویدیویی در مقیاس بزرگ ساخته شده که پایه مدل‌های جهان عمومی Runway است. کارت‌های مدل در Hugging Face سیاستی ۲۷٫۲ میلیارد پارامتری را توصیف می‌کنند که از یک ستون اصلی علّی قطعه‌ای و یک متخصص کنش ۰٫۳ میلیارد پارامتری ساخته شده و ربات را با فرکانس ۱۵ هرتز و در قطعه‌های ۲۴ گامی هدایت می‌کند. سه نقطه ذخیره منتشر شده است. مدل پایه سرِ مخصوص هیچ ربات خاصی ندارد و نقطه شروعی برای تنظیم دقیق است، نه سیاستی آماده. نقطه ذخیره DROID برای یک بازوی Franka با یک دوربین بیرونی و یک دوربین مچ ساخته شده و نقطه ذخیره YAM برای سکویی دوبازویی با سه دوربین. هر دو کارت می‌گویند استنتاج به یک GPU با ۸۰ گیگابایت حافظه نیاز دارد و مخزن GitHub از نسخه‌های کوانتیزه NVFP4 و نقطه ذخیره‌ای برای بازوی SO-101 خبر می‌دهد که هنوز نیامده است. Runway همچنین از پشتیبانی در LeRobot و vLLM-Omni و از سرویس استنتاج میزبانی‌شده Reactor نام می‌برد.
مهم‌ترین ادعای شرکت درباره عملکرد است. Runway می‌گوید Praxis-1 در جدول RoboLab-120 متعلق به NVIDIA بهترین مدل کنش جهان است و از همه مدل‌های بینایی، زبان و کنش با وزن باز جلو می‌زند: ۴۶٫۲ درصد موفقیت در ۱۲۰۰ اجرا، در برابر ۴۲٫۹ درصد برای FLUX 3 Action، ۳۶٫۸ درصد برای Cosmos3 Nano و ۲۸٫۰ درصد برای pi0.5. The Robot Report که انتشار را مستقل پوشش داده و با Runway گفت‌وگو کرده، اضافه می‌کند این مدل در رتبه‌بندی کلی پنجم است؛ پس نتیجه به شیوه مقایسه بستگی دارد. Runway می‌گوید پس از تنظیم دقیق روی ربات RT-1 گوگل، که در داده‌های آموزش نبود، Praxis-1 در SimplerEnv به ۸۰٫۰ درصد موفقیت رسید، در حالی که سیاست اصلی RT-1 ۵۲٫۴ درصد داشت. کارت DROID محتاطانه‌تر است: ۵۲٫۵ درصد پایبندی کامل به دستور روی مجموعه ارزیابی خود Runway، با بازه اطمینان ۹۵ درصدی از ۳۵٫۸ تا ۶۸٫۳.
شریک‌های اولیه عبارت‌اند از Noble Machines با یک ربات انسان‌نمای پادار، Standard Bots با یک بازوی صنعتی شش‌محوره و Ultra با یک ربات انبار دوبازویی. اندی چن، مسئول رباتیک Runway، به The Robot Report گفت که در کار با Noble Machines مدل با نیم‌ساعت نمونه یاد گرفت تخته‌های چوبی را برداشته و در ظرف بگذارد و ۱۵ بار از ۱۵ بار درست انجام داد؛ سپس انبوه درهم تخته‌هایی را که قبلاً ندیده بود در شش تلاش از ده تلاش خالی کرد. این اعداد روایت خود Runway از آزمایش‌های شرکای اوست.
شرکت این انتشار باز را موضوعی راهبردی برای هوش مصنوعی فیزیکی می‌داند. استدلالش این است که رهبری آمریکا به مدل‌های باز و سازگار نیاز دارد تا سازندگان سخت‌افزار بتوانند آن‌ها را به میل خودشان اجرا و تطبیق دهند، و این کار را بخشی از Cosmos Coalition در همکاری با NVIDIA معرفی می‌کند. Praxis-1 روی سخت‌افزار NVIDIA اجرا می‌شود، از GPUهای H100 و B200 مراکز داده تا کارت‌های RTX 5090 و RTX PRO 6000 ایستگاه‌های کاری و Jetson Thor روی خود ربات، و Runway توسعه‌دهندگان را برای مرحله پس‌آموزش به آموزش‌های NeMo Automodel ارجاع می‌دهد.
چند محدودیت را باید در نظر گرفت. نتایج آزمون‌ها و آزمایش‌های شرکا را خود سازنده گزارش کرده و جایگاه مدل در جدول را Runway و The Robot Report متفاوت توصیف می‌کنند. وابستگی‌های ثابت، یعنی VAE از نوع Wan2.2 و رمزگذار متن Qwen3.5-2B، جداگانه و با مجوزهای خودشان توزیع می‌شوند. نقطه ذخیره پایه بدون سرهای افزوده نمی‌تواند ربات را هدایت کند. Runway می‌گوید گام بعدی‌اش گسترش استقرار با شرکاست.