11 月 11 日，Runway 以 Apache 2.0 协议开源 Praxis-1 的模型权重，任何开发者都可下载、修改并用于商业产品。这款 27B 参数的世界动作模型（world action model）此前仅向少数合作伙伴开放，如今面向全体机器人开发者与研究者开放。
Praxis-1 的内部是一个混合专家（MoE）扩散 Transformer。它不止生成视频，而是同时预测下一帧画面与机器人应执行的动作——先看世界会如何变化，再据此决定机器人如何运动。Runway 称其源自大规模视频预训练，普通网络视频与遥操作机器人视频效果相当，降低了机器人训练数据的采集门槛。
在 NVIDIA RoboLab-120 基准（120 项桌面任务、每项 10 次试验）上，微调后的 Praxis-1 解决了 1200 次中的 555 次，成功率 46.2%，在世界动作模型与开源机器人基础模型中居首。对比中 FLUX 3 Action 为 42.9%、Cosmos3 Nano 为 36.8%、π0.5 为 28.0%（均为 Runway 自报数字）。
在未见过的 Google RT-1 机体上微调后，Praxis-1 在 SimplerEnv 上的成功率从原策略的 52.4% 提升至 80.0%，说明其跨机体适配能力。开源包含 Hugging Face 权重（原生支持 LeRobot）、GitHub 上的推理与微调代码，并支持全量微调与更轻量的 LoRA 微调。
在 DeepMind 与 NVIDIA 接连加码机器人智能体的同一周，Runway 选择把权重彻底打开。对一个能用单张工作站微调 27B 模型的小团队而言，开源把尝试实体 AI 的成本大幅拉低，也让硬件厂商得以在自己的设备上运行、检视并改造模型，而不必依赖封闭 API。