46.2%。这个数字今天挂在 NVIDIA RoboLab-120 榜首，属于一家刚从视频生成赛道拐进机器人赛道的公司。Runway 把世界动作模型 Praxis-1 连权重一起放了出来，许可证是 Apache 2.0——不是研究许可，不是非商用，是可以直接改完塞进自家产品的那种。27B 参数、MoE 扩散 Transformer、视频与动作同时预测，几个词堆在一起，信息量比大多数发布会都大。
视频公司拐进机器人，这事不突兀
预测下一帧和预测下一个关节角，用的是同一套直觉
视频生成模型学的从来不只是像素。杯子掉下去会碎、布被拉会皱、手推门门会转——这些物理常识是在几十亿段素材里被硬生生压进权重的。机器人策略最缺的恰恰是这个先验：真实世界的交互数据太贵，采一百万条抓取轨迹的成本，够喂一个视频模型看上几年的互联网。
Praxis-1 的做法不是"先学会看，再学会动"。它把视觉帧和动作序列放进同一个去噪过程里，一边恢复画面细节，一边恢复关节指令。动作因此天然带着对未来的预期，而不是对当前帧的被动反应。这条路子在学术上不新，但把它做到 27B 规模、还能跑出榜单第一，是另一回事。
Apache 2.0 这四个字，比 27B 更值得盯
开源模型满地都是，许可证却常常是陷阱。非商用、仅研究用途、月活超过某个数就得重新谈——这些条款在 demo 阶段无所谓，一旦要出货就是法务噩梦。Apache 2.0 把这些全抹了：商用可以，修改可以，再分发可以，专利授权一并给了，只要保留声明文件。
对做具身智能的团队来说，这等于省掉一整轮内部评审。模型好不好可以慢慢试，许可证过不了关，连试的机会都没有。
Runway 递出的不是 demo，是底座
演示视频谁都能剪得漂亮。能下权重、能读配置、能自己在机房里跑一遍推理，才叫可评估。这一层差别决定了 Praxis-1 的定位：它不是一个用来刷屏的作品，而是一个可以被别的团队接着往下改的构件。视频公司卖 API 卖惯了，突然改送权重，这个动作本身就值得琢磨。
46.2%，先别急着鼓掌
四个名字，四个量级
榜单上的排序是：Praxis-1 46.2%，FLUX 3 Action 42.9%，Cosmos3 Nano 36.8%，π0.5 28.0%。第一和第二之间只差 3.3 个百分点。放到 120 个任务、每个任务多轮试验的统计口径里，这点差距可能就压在一两个任务的成功与否上。说领先，可以；说碾压，谈不上。
真正值得注意的是分布的形状。π0.5 的 28.0% 和榜首差了将近 18 个百分点，说明这条赛道上不同技术路线的分化正在拉开。视频预训练出身的选手整体靠前，这个信号比排名本身更有解读价值。
机器人 benchmark 的 46.2%，和图像分类的 46.2% 不是一回事
成功率这个词听着温和，实际含义是：超过一半的尝试失败了。你把一个成功率不到五成的模型直接放到产线上，等于每两次抓取就有一次落空。工业场景对这种数字的容忍度接近于零。
但换个角度，作为研究基线它已经把地板抬起来了。此前想做世界动作模型的团队，要么从零训，要么拿通用视觉模型硬改。现在有个 46.2% 的起点摆在面前，后来者省下的不是几个月，是几十万卡时。
榜单测不到的那部分
泛化到没见过的物体、没见过的光照、被人从侧面推一把之后的恢复能力——这些在 RoboLab-120 里的权重可能远低于它们在真实世界里的重要性。真实环境不给标准答案，也不给你固定的任务列表。一个模型在 120 个任务上拿第一，和在某个具体车间里连续干八小时不出岔子，中间隔着的距离，比榜单上那 3.3 个百分点长得多。
27B 的 MoE 扩散 Transformer，取舍藏在架构里
两种模态，一条去噪轨迹
扩散模型的核心是迭代去噪：从噪声出发，一步步逼近目标。Praxis-1 让视频帧和动作 token 共享同一条轨迹，好处是动作在生成时就被画面预期约束住了，不至于出现"手伸过去但眼睛没看"的割裂。代价也很直接——推理时要同时跑两套模态，每一步都得等两边收敛，延迟不会低。
实时控制回路通常要求 10 到 50 赫兹。扩散采样步数越多越准、越准越慢，这个矛盾在机器人场景里比在图像生成里尖锐得多。官方适配方案能做到什么频率，是所有打算部署的人第一个要问的问题。
稀疏激活换来的容量，也换来了不确定性
27B 是总量，每次前向只激活其中一部分专家。MoE 的老把戏：容量做大，算力不线性增长。听起来很美，实际问题在路由——不同输入激活的专家不一样，显存峰值就不好估。你在本地跑一条轨迹很顺，换成另一个任务，激活模式一变，显存就打爆了。工程上这不是不可解，但需要实打实的 profiling，不是照文档抄配置就能跑通。
参数规模到这个量级，微调本身就是个门槛
全量微调 27B 不现实，LoRA 之类的方案必然成为主流。这会带来一个新问题：各家在 Praxis-1 基础上微调出来的策略，差异可能主要不在模型结构，而在那几层适配器和数据配比。开源把起点拉平了，也把差异化挤到了更细的地方。
权重下载完，真正的活才开始
先算显存和延迟这笔账
想在自有硬件上跑起来，第一步不是写代码，是算账。27B 的 MoE 在推理时的峰值显存取决于激活路数，单卡能不能扛、要不要做专家并行、批大小压到多少还能维持吞吐——这些数字决定了一个团队是能在一台工作站上做原型，还是必须先申请一笔集群预算。文献里的参数量和你能跑起来的参数量，永远是两个数。
数据比模型更难搞
权重是白送的，数据不是。想让 Praxis-1 在你自己的场景里好用，得有和目标环境匹配的遥操作数据、成功与失败的对比样本、以及足够多的扰动。这部分成本从来不会因为模型开源而下降。开源降低的是入场的技术门槛，不是入场的资金门槛。
开源会把这个赛道的节奏拧快
过去一年，机器人基础模型的进展大多锁在少数几家公司的内部。论文发出来，权重不发，别人只能看着数字猜方法。Praxis-1 这一放，情况变了：一个实验室可以在一周内复现出榜单成绩，然后在上面加自己的想法。竞争的重心会从"谁有模型"转向"谁有场景和数据"。
对 Runway 自己来说，这笔账也算得清——把模型变成事实标准，比把模型锁在 API 后面收调用费更值钱。至于 46.2% 会不会在几个月内被刷掉，几乎是可以肯定的事。真正留下来的，是那个被所有人当作起点的基座。
