Runwayは2026年11月11日、Praxis-1の重みとコードをすべてApache 2.0ライセンスでオープンソース化し、商用利用も認めました。27Bパラメータのワールドアクションモデルです。まず動画の事前学習で「世界が次にどうなるか」を学び、その予測をロボットの動作に変換します。結論から言うと、研究者やGPUを持つチームには見る価値がありますが、一般ユーザーはまだ動かせません。
このプロジェクトは何なのか
Praxis-1はRunway初のワールドアクションモデルで、中核は269億パラメータの混合エキスパート拡散Transformerです。1トークンあたり活性化するのは約28億パラメータで、さらに約3.14億パラメータのアクションエキスパートが予測した動画特徴を動作に変換します。公式コードはGitHubのRunwayリポジトリにあり、重みはHugging Faceで公開され、LeRobotとvLLM-Omniに対応し、ホスト型推論はRunwayのReactorで利用できます。
NVIDIAのRoboLab-120では、DROIDでファインチューニングしたPraxis-1が1200回中555回成功し、成功率46.2%で、ワールドアクションモデルとオープンソースのロボット基盤モデルの両方で1位となり、FLUX 3 Action、π0.5、GR00T N1.6を上回りました。双腕YAMロボットと単腕のFrankaアームを制御でき、低コストのSO-101にファインチューニングして実際のタスクをこなすこともできます。
導入コストと始め方
完全なモデルは272億パラメータで、bf16精度で54.4GBを占め、80GBのGPU1枚で動作します。H100やB200といったデータセンター向けカード、RTX 5090やRTX PRO 6000といったワークステーション向けカード、ロボット本体に搭載されるJetson Thorに対応しています。公開された重みはDROIDファインチューニング版、双腕YAMファインチューニング版、ベースモデルの3種類で、フルファインチューニングとより安価なLoRAに対応し、4ビットNVFP4量子化もあります。
ハードルはダウンロードではなく、その後にあります。ロボット本体かシミュレーション環境（MuJoCoのシミュレーション環境が同梱されています）が必要で、さらにファインチューニング用のタスクデータも自分で用意しなければなりません。ハードウェアがなく、ノートPCで試したいだけなら、まずReactorのホスト型推論で様子を見て、重みを急いでダウンロードしないことです。
実際の落とし穴
第一に、似た物体を取り違えやすいこと。見た目が似たものを並べると、間違ったものに手を伸ばす可能性があります。第二に、スコアはRunwayの自己申告で、公開時点では独立した第三者による再現実験がなく、46.2%は参考値として扱うべきです。第三に、データセンター級の計算能力が必要で、個人のワークステーションでは推論がやっと動き、学習や大規模なファインチューニングはチームの仕事です。向いている人：具身知能やロボット学習の研究者、GPUとロボットハードウェアを持つチーム。向いていない人：試してみたいだけの個人ユーザー、ロボットハードウェアを持たない開発者——まずホスト版を試し、エコシステムとチュートリアルが整うのを待ちましょう。Runwayの当日の発表についてはRunwayがPraxis-1をオープンソース化、ワールドモデル路線の前例についてはNVIDIA Cosmosをご覧ください。
