# 具身智能迎来Linux时刻！Runway重磅开源27B世界动作模型Praxis-1：首创MoE扩散架构双向预测视频与动作、登顶RoboLab基准与Apache 2.0商业闭环全景深度拆解

- Link: https://paooo.com/aigc-news/41819/
- Published: 2026-11-12T12:05:56+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * Praxis-1首次把未来视频预测与关节动作输出统一到同一因果网络中。
 * 27B MoE扩散架构仅激活约45亿参数，兼顾[大模型](https://paooo.com/ai-study/)容量
   与推理效率。
 * 在RoboLab-120与跨硬件测试中表现领先，且Apache 2.0利于商业闭环落地。

> **💡 站外导读：**在人工智能通往通用智能（AGI）与物理世界实体交互的道路上，“世界
> 模型（World Models）”一直被视为最难攻克的终极圣杯。过去的机器人大脑往往严重依赖
> 狭隘的离散轨迹规划或单一的视觉模仿学习，一旦脱离受控的工业台架便立刻丧失通用泛
> 化能力。知名视频生成先驱企业 Runway 突施冷箭，正式面向全球开源其旗舰级 270 亿参数
> 世界动作模型——Praxis-1，并以极为友好的 Apache 2.0 协议开放全量模型权重与微调代码。
> 不同于单纯由画面驱动的视频生成模型，Praxis-1 首次在 27B 规模的混合专家扩散 Transformer（
> MoE Diffusion Transformer）架构中实现了“未来画面演变”与“关节动作输出”的统一因果
> 预测。在英伟达权威的 RoboLab-120 基准评测中，该模型一举击败一众科技巨头斩获榜首，
> 标志着实体机器人技术迎来了属于自己的开源‘Linux 时刻’。

![具身智能迎来Linux时刻！Runway重磅开源27B世界动作模型Praxis-1：首创MoE扩散架构双向
预测视频与动作、登顶RoboLab基准与Apache 2.0商业闭环全景深度拆解](https://paooo.com/
wp-content/uploads/2026/11/sre-curated-1794456346143-275.avif)

阅读目录

 * [一、告别瞎子摸象：为什么具身智能必须走向“世界动作模型”？](https://paooo.com/aigc-news/41819/#%e4%b8%80%e5%91%8a%e5%88%ab%e7%9e%8e%e5%ad%90%e6%91%b8%e8%b1%a1%e4%b8%ba%e4%bb%80%e4%b9%88%e5%85%b7%e8%ba%ab%e6%99%ba%e8%83%bd%e5%bf%85%e9%a1%bb%e8%b5%b0%e5%90%91%e4%b8%96%e7%95%8c%e5%8a%a8%e4%bd%9c)
 * [二、Praxis-1 核心架构：MoE Diffusion Transformer 与统一潜空间](https://paooo.com/aigc-news/41819/#%e4%ba%8cpraxis1-%e6%a0%b8%e5%bf%83%e6%9e%b6%e6%9e%84moe-diffusion-transformer-%e4%b8%8e%e7%bb%9f%e4%b8%80%e6%bd%9c%e7%a9%ba%e9%97%b4)
 * [三、权威评测对决：RoboLab-120 击败英伟达与物理泛化突破](https://paooo.com/aigc-news/41819/#%e4%b8%89%e6%9d%83%e5%a8%81%e8%af%84%e6%b5%8b%e5%af%b9%e5%86%b3robolab120-%e5%87%bb%e8%b4%a5%e8%8b%b1%e4%bc%9f%e8%be%be%e4%b8%8e%e7%89%a9%e7%90%86%e6%b3%9b%e5%8c%96%e7%aa%81%e7%a0%b4)
 * [四、从足式人形到工业六轴：跨硬件形态零样本迁移实录](https://paooo.com/aigc-news/41819/#%e5%9b%9b%e4%bb%8e%e8%b6%b3%e5%bc%8f%e4%ba%ba%e5%bd%a2%e5%88%b0%e5%b7%a5%e4%b8%9a%e5%85%ad%e8%bd%b4%e8%b7%a8%e7%a1%ac%e4%bb%b6%e5%bd%a2%e6%80%81%e9%9b%b6%e6%a0%b7%e6%9c%ac%e8%bf%81%e7%a7%bb%e5%ae%9e)
 * [五、Apache 2.0 彻底解绑：加速实体机器人商业落地的生态蝴蝶效应](https://paooo.com/aigc-news/41819/#%e4%ba%94apache-20-%e5%bd%bb%e5%ba%95%e8%a7%a3%e7%bb%91%e5%8a%a0%e9%80%9f%e5%ae%9e%e4%bd%93%e6%9c%ba%e5%99%a8%e4%ba%ba%e5%95%86%e4%b8%9a%e8%90%bd%e5%9c%b0%e7%9a%84%e7%94%9f%e6%80%81%e8%9d%b4%e8%9d%b6)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/41819/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

## 一、告别瞎子摸象：为什么具身智能必须走向“世界动作模型”？

在传统的机器人控制范式中，算法往往被分割为两个互不相通的半岛：一边是负责感知周围
环境的计算机视觉（CV）模型，另一边是基于强化学习（RL）或路径规划的关节控制器。这种
拼装模式存在一个致命软肋：**感知与行动之间缺乏深度的物理因果理解**。当机械臂试图
推开一个未曾见过的纸箱时，它根本无法预判纸箱倒下后会压到什么物体，更无法根据物体
的物理属性实时修正推力。

世界动作模型（World Action Model, WAM）的核心逻辑正在于此：**一个真正理解物理世界
的[智能体](https://paooo.com/trends/)，必须能够在内心推演‘如果我执行了动作 A，未来
的物理世界将会发生怎样的形态演变’**。通过将高维时空视频扩散（Video Diffusion）与
低维连续电机动作（Action Tokens）融合在统一的因果网络中，智能体便拥有了类似人类的“
空间想象力与物理直觉”。

## 二、Praxis-1 核心架构：MoE Diffusion Transformer 与统一潜空间

作为首个达到 270 亿参数体量的商业级世界动作模型，Runway 在 Praxis-1 上采用了极具
开创性的计算拓扑：

 * **混合专家扩散 Transformer（MoE Diffusion Transformer）**：模型底层将动力学推理
   拆分为多个稀疏激活的专家网络，在保持 27B 庞大容量的同时，单步推理仅激活约 45 
   亿参数，使得工业级推理延时能够压制在边缘工控机所能承受的毫秒区间。
 * **多模态联合动作潜空间**：模型打破了将视频与关节坐标分开编码的惯例，构建了统一
   的 Action-Video Latent Space。视频帧序列与 7 自由度机械臂末端位姿、夹爪力矩等
   物理动作共享注意力矩阵，确保预测出的每一个物理动作都严格对齐视觉物理定律。
 * **双向自回归验证机制**：系统既可以接收当前画面与目标任务并输出连续动作序列，也可以
   在给定动作输入的前提下反向生成未来数十帧的高清演化视频，为机器人的自我纠偏提供
   了高精度的数字孪生验证沙盒。

## 三、权威评测对决：RoboLab-120 击败英伟达与物理泛化突破

在 NVIDIA 旗下权威的 RoboLab-120 基准测试（包含精密组装、柔性物体操纵、动态避障等
120 种高难度现实环境）中，Praxis-1 展现出了令人瞩目的统治级表现：

  |  参评模型与开源属性 |  核心模型架构体系 |  RoboLab-120 综合成功率 |  未见机器人迁移 (SimplerEnv) |  
   |  **Runway Praxis-1 (Apache 2.0)** |  **27B MoE Diffusion Transformer** |  **46.2% (全场第一)** |  **80.0% (大幅跃升)** |  
 |  FLUX3Action (开源受限) |  12B Dense DiT 架构 |  42.9% |  61.5% |  
 |  NVIDIA Cosmos3Nano (非商用) |  7B 视觉预训练模型 |  36.8% |  54.2% |  
 |  Physical Intelligence π0.5 (闭源) |  VLM-Flow 离散规划体系 |  28.0% |  52.4% (基准水平) |

## 四、从足式人形到工业六轴：跨硬件形态零样本迁移实录

在产业界最受关注的硬件适配测试中，Runway 与 Noble Machines、Standard Bots 以及 Ultra
等多家顶级硬件先锋展开了实机联测。令人震撼的是，即便面对其训练集完全未曾涵盖的 Google
RT-1 机械本体，研究人员仅仅通过在 SimplerEnv 模拟器中执行少量轻度 LoRA 微调，Praxis-
1 的操纵成功率便瞬间从原始基准的 52.4% 暴涨至 80.0%。

无论是搭载在两足人形机器人的动态越障步态规划中，还是部署在六轴工业机械臂的易碎品
装箱工序中，Praxis-1 都展现出了对接触力学、重力摩擦以及复杂光照变化的高度鲁棒性，
彻底洗刷了以往“仿真做得好，下地就翻车（Sim-to-Real Gap）”的工程噩梦。

## 五、Apache 2.0 彻底解绑：加速实体机器人商业落地的生态蝴蝶效应

更具产业冲击力的是 Runway 的授权策略：**全量开放权重、推理端到端代码与下游微调框架，
且遵循完全宽松的 Apache 2.0 商业许可**。这意味着全球的具身智能初创企业不再需要从
零烧钱训练百亿级基础世界模型，而是可以直接将 Praxis-1 作为“大脑内核”，插载在自己
的专有硬件上展开商业化变现与闭环定制。

#### 📝 站长洞察 (Editor’s Insight)

Runway 开源 Praxis-1 的历史意义，绝不亚于当年 Stability AI 开源 [Stable Diffusion](https://paooo.com/tag/stable-diffusion/)
对视觉创作领域的彻底重构。长期以来，具身智能赛道呈现出一种高度割裂的畸形生态：拥有
顶级硬件本体的机器人制造商缺乏千亿级多模态世界模型能力，而手握顶尖算力与预训练大
模型的算法巨头又往往将物理模型严密闭源在实验室深水区。Runway 凭借其在物理动力学连续
视频生成领域的数年深厚积累，将原本只用于‘观赏娱乐’的视频扩散引擎，成功改造为能够
指导机械手抓取、双足平衡与环境抗扰的‘物理世界因果大脑’。更重要的是，Apache 2.0 许可
证的全面放开，意味着全球数以千计的中小具身智能团队可以直接站在 27B 的巨人肩膀上开发
专有应用。具身智能的工业化落地进程，正被这场开源风暴硬生生提速至少两年。

🧭 文中关联 AI 工具官网与参数卡（语宙 AI 导航）

**Runway ↗**

AI视频工具，绿幕抠除、视频生成、动态捕捉等功能。

❓ 常见问题解答（FAQ）

Praxis-1是什么类型的模型？

Praxis-1是Runway开源的27B世界动作模型，核心是MoE Diffusion Transformer。它把视频
未来演化预测和机器人连续动作输出统一到同一框架中，面向具身智能与机器人控制场景。

Praxis-1为什么被称为具身智能的Linux时刻？

因为它以Apache 2.0开放全量权重和微调代码，降低了企业训练和部署世界模型的门槛。再
加上基准成绩领先，意味着行业可以在开源底座上快速做商业化二次开发。

Praxis-1在实测中表现如何？

文章提到它在NVIDIA RoboLab-120基准中取得46.2%综合成功率、位列第一；在SimplerEnv迁移
测试中可从52.4%提升到80.0%。同时还展示了跨人形与六轴机械臂的零样本迁移潜力。

🔬 语宙深潜追问 · 进阶实操拆解

MoE扩散架构为何适合动作预测？

MoE可把不同技能路由给专门专家，扩散则更适合生成连续动作轨迹与视频演化。两者结合能
同时兼顾多模态一致性和长时序控制，但训练稳定性、路由塌缩和推理延迟都要重点监控。

Apache 2.0开放后，企业该怎么接入？

优先做三层验证：先用离线回放评估动作安全边界，再在仿真里做任务成功率与失败恢复测试，
最后小规模真机灰度。商业化关键不只是微调，还要补齐数据闭环、监控告警和安全策略。

🗳️ 读者观点微投票 · 您的实战立场是？

开源27B世界动作模型，真能成具身智能拐点吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🎬 所属权威专题：AI 视频生成与影视工作流 →](https://paooo.com/topics/ai-video-generation/)

 * [智谱开源RoboBrain 2.0：7B/32B具身大脑模型，重塑机器人空间推理与多智能体协作](https://paooo.com/aigc-news/14605/)
 * [大晓机器人Kairos 3.0-4B开源：全球首个端侧具身世界模型，推理速度提升72倍！](https://paooo.com/aigc-news/11283/)
 * [面壁智能开源MiniCPM-Robot：1.5B的VLA模型完整放出，个人开发者也能在真机器人上跑操作](https://paooo.com/aigc-news/32067/)
 * [从第一视角视频自学到全链路自我进化！智元机器人重磅发布GO-3 Preview：首创WRAM具身原生架构、斩获三项权威评测第一与年底开源规划全景深度拆解](https://paooo.com/trends/40565/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/41819/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)