Runway lança Praxis-1, modelo de robótica open-weight de 27B parâmetros sob Apache 2.0

O Praxis-1 é um world action model: um diffusion transformer com mistura de especialistas (MoE) e 27 bilhões de parâmetros que prevê vídeo e ações em conjunto. Segundo a Runway, ele vem do mesmo pré-treinamento de vídeo em larga escala dos modelos de mundo gerais da empresa. No leaderboard RoboLab-120, da NVIDIA, chega a 46,2% de sucesso em 1.200 episódios. Os números citados para comparação: FLUX 3 Action com 42,9%, Cosmos3 Nano com 36,8% e π0.5 com 28,0%. A empresa também afirma que o modelo supera todos os VLAs de pesos abertos.

O pacote cobre pesos, código de inferência e código de fine-tuning, com suporte a ajuste completo e a LoRA, tudo sob Apache 2.0, inclusive para uso comercial. Há distribuição no GitHub, no Hugging Face (com suporte nativo ao LeRobot) e no vLLM-Omni, além de inferência hospedada na Reactor. A Runway diz que roda direto em GPUs de data center (H100, B200), de workstation (RTX 5090, RTX PRO 6000) e no Jetson Thor, dentro do próprio robô.

Sobre adaptação, a empresa relata que um único checkpoint foi ajustado com pouco fine-tuning a vários corpos robóticos com os parceiros (Noble Machines, Standard Bots e Ultra: um humanoide com pernas, um braço industrial de seis eixos e um robô de armazém com dois braços). No robô RT-1 do Google, ausente do treino, o modelo atinge 80,0% no SimplerEnv, contra 52,4% da política RT-1 original. Esses resultados vêm da própria Runway e do leaderboard citado.

Em 1 de outubro de 2026, o CEVIU noticiou "A IA da Runway que guia robôs no mundo real com modelo open-weight", e em 7 de outubro de 2026, "Runway Lança Praxis-1: Revolucionando o Controle Robótico com Modelos de Ação", ambas sobre a apresentação do modelo. Naquele momento, ele era um anúncio com a promessa de abertura. Agora a promessa virou entrega: pesos, código de inferência e de fine-tuning estão disponíveis sob Apache 2.0, com os números do RoboLab-120 e o suporte a hardware NVIDIA detalhados. A própria Runway diz que se comprometeu, no anúncio de setembro, a lançá-lo como modelo aberto.

Para quem trabalha com robótica e IA embarcada, a leitura é prática: licença permissiva, LoRA e suporte ao Jetson Thor reduzem o custo de testar o modelo no próprio robô. O ponto a validar é se os 46,2% no RoboLab-120 e os 80,0% no SimplerEnv se repetem fora do benchmark e com o seu corpo robótico. Como a margem sobre o segundo colocado é de 3,3 pontos percentuais, vale reproduzir a avaliação antes de decidir.