A Runway publicou a 11 de novembro de 2026 os pesos do Praxis-1, o seu modelo de ação do mundo para controlo de robôs, com 27 mil milhões de parâmetros. Qualquer programador pode agora usá-lo ao abrigo da licença Apache 2.0, inclusive em contexto comercial. A empresa tinha apresentado o Praxis-1 em setembro, como o seu primeiro modelo deste tipo, e até agora eram apenas os parceiros de lançamento a executá-lo nos seus próprios robôs. A abertura inclui os pesos, o código de inferência e o código de afinação, com suporte para afinação completa e para LoRA.
Em termos técnicos, o Praxis-1 é um transformador de difusão com mistura de especialistas que prevê em simultâneo vídeo e ações do robô, assente no mesmo pré-treino em vídeo de grande escala dos modelos de mundo gerais da Runway. As fichas no Hugging Face descrevem uma política de 27,2 mil milhões de parâmetros, composta por um tronco causal por blocos e um especialista de ação de 0,3 mil milhões, que comanda o robô a 15 Hz com blocos de 24 passos de ação. Há três pontos de controlo publicados. O modelo base não tem cabeças específicas de cada robô e serve de ponto de partida para afinação, não de política pronta a usar. O ponto de controlo DROID destina-se a um braço Franka com câmara exterior e câmara de pulso, e o YAM a uma plataforma de dois braços com três câmaras. Ambas as fichas indicam que a inferência exige uma GPU de 80 GB, e o repositório no GitHub refere versões quantizadas NVFP4 e um ponto de controlo para o braço SO-101 ainda por chegar. A Runway menciona ainda suporte em LeRobot e vLLM-Omni e inferência alojada no seu serviço Reactor.
O principal argumento da empresa é de desempenho. A Runway afirma que o Praxis-1 é o melhor modelo de ação do mundo na tabela RoboLab-120 da NVIDIA e supera todos os modelos de visão, linguagem e ação de pesos abertos: 46,2% de sucesso em 1200 episódios, contra 42,9% do FLUX 3 Action, 36,8% do Cosmos3 Nano e 28,0% do pi0.5. A The Robot Report, que cobriu o lançamento de forma independente e falou com a Runway, acrescenta que o modelo ocupa o quinto lugar da classificação geral, pelo que a comparação depende do recorte feito. A empresa indica também que, depois de afinado no robô RT-1 da Google, ausente dos dados de treino, o Praxis-1 chegou a 80,0% de sucesso no SimplerEnv, face a 52,4% da política original do RT-1. A ficha do ponto de controlo DROID é mais modesta: 52,5% de cumprimento integral das instruções num conjunto de avaliação da própria Runway, com um intervalo de confiança a 95% entre 35,8 e 68,3.
Entre os parceiros de lançamento contam-se a Noble Machines, com um humanoide com pernas, a Standard Bots, com um braço industrial de seis eixos, e a Ultra, com um robô de armazém de dois braços. Andy Chen, responsável de robótica da Runway, contou à The Robot Report que, com a Noble Machines, o modelo aprendeu a tarefa de pegar em tábuas de madeira com meia hora de exemplos e acertou 15 vezes em 15, e que depois despachou uma pilha desarrumada de tábuas nunca vistas em seis de dez tentativas. São números que a Runway apresenta sobre ensaios com parceiros.
A empresa enquadra a abertura como uma questão estratégica para a IA física. Defende que a liderança dos Estados Unidos exige modelos abertos e interoperáveis, que os fabricantes de hardware possam executar e adaptar à sua maneira, e inscreve o trabalho na Cosmos Coalition, em parceria com a NVIDIA. O Praxis-1 corre em hardware NVIDIA, das GPU H100 e B200 de centros de dados às placas RTX 5090 e RTX PRO 6000 de estações de trabalho e ao Jetson Thor dentro do robô, e a Runway remete os programadores para tutoriais do NeMo Automodel para o pós-treino.
Há limites a ter em conta. Os resultados em testes comparativos e com parceiros são reportados pelo fabricante, e a posição na tabela é descrita de forma diferente pela Runway e pela The Robot Report. As dependências congeladas, o VAE Wan2.2 e o codificador de texto Qwen3.5-2B, são distribuídas à parte, com licenças próprias. O ponto de controlo base não consegue comandar um robô sem cabeças adicionais. A Runway diz que o próximo passo é alargar as implementações com parceiros.