Runway Praxis-1 ist seit dem 11. November 2026 frei verfügbar: Das Robotik-Modell des Videospezialisten Runway steht mit offenen Gewichten unter der Apache-2.0-Lizenz bereit, inklusive Inferenz- und Fine-Tuning-Code und ausdrücklich auch für kommerzielle Nutzung. Praxis-1 ist ein sogenanntes World Action Model mit 27 Milliarden Parametern, das aus Video lernt, wie sich Objekte verhalten, und daraus Steuerbefehle für Roboter ableitet. Die meisten Leistungszahlen stammen von Runway selbst.
Was Runway Praxis-1 ist
Runway hatte Praxis-1 im September als sein erstes World Action Model vorgestellt und es seitdem mit Partnern getestet. Laut der Ankündigung zur Veröffentlichung liefen die Tests bei Noble Machines, Standard Bots und Ultra auf einem laufenden Humanoiden, einem sechsachsigen Industriearm und einem zweiarmigen Lagerroboter. Seit dem 11. November ist dasselbe Modell für alle Entwickler und Forscher verfügbar.
Die Grundidee: Echte Roboterdaten sind knapp und teuer, Video dagegen gibt es in großen Mengen. Ein Modell, das gelernt hat, Video vorherzusagen, weiß laut Runway bereits viel darüber, wie sich Hände bewegen und wie eine Aufgabe auf halbem Weg aussieht. Praxis-1 sagt deshalb bei jedem Schritt beides voraus: wie die Szene gleich aussehen wird und welche Bewegung dorthin führt. Im Unterschied zu klassischen Vision-Language-Action-Modellen (VLA) steht also eine Videovorhersage im Zentrum.
Architektur und Hardware-Bedarf
Der technische Bericht von Runway beschreibt drei Teile:
- Video-Backbone: ein Diffusion Transformer mit 26,9 Milliarden Parametern als Mixture of Experts. Pro Token sind etwa 2,8 Milliarden Parameter aktiv; jede MoE-Schicht hat einen gemeinsamen und 128 kleine Experten, von denen jedes Token acht auswählt.
- Action Expert: ein kleiner Transformer mit 16 Schichten und rund 314 Millionen Parametern, der die vorhergesagten Videomerkmale liest und daraus Bewegungen berechnet.
- Roboterspezifische Projektionen: dünne Ein- und Ausgabeschichten pro Robotertyp, damit ein Modell verschiedene Arme und Plattformen steuern kann.
Pro Aufruf liefert Praxis-1 24 Aktionszeilen bei 15 Hz, also 1,6 Sekunden Bewegung. Insgesamt hat das Modell 27,2 Milliarden Parameter und belegt in bf16 rund 54,4 GB; laut Bericht läuft es auf einer GPU mit 80 GB Speicher. Auf einem einzelnen H100-Server benötigt ein Aufruf im Standardmodus serverseitig etwa 0,52 bis 0,55 Sekunden, mit einem optionalen Echtzeit-Chunking etwa 0,12 bis 0,13 Sekunden. In der Ankündigung nennt Runway zusätzlich Workstation-Karten wie RTX 5090 und RTX PRO 6000 sowie Jetson Thor direkt am Roboter. Wie viel Leistung auf kleineren Karten bleibt, beziffert Runway in den von uns gelesenen Unterlagen nicht.
Auf Hugging Face stehen drei Checkpoints bereit: ein auf den DROID-Datensatz feinjustiertes Modell für einarmige Franka-Roboter, eine Variante für den zweiarmigen YAM-Roboter und das Basismodell ohne roboterspezifische Köpfe als Ausgangspunkt für eigene Anpassungen. Dazu kommen Code auf GitHub, LeRobot-Unterstützung, Integration in vLLM-Omni und gehostete Inferenz. Die eingefrorenen Bestandteile, ein Wan2.2-VAE und der Text-Encoder Qwen3.5-2B, werden separat unter eigenen Lizenzen verteilt.
Benchmarks: stark unter offenen Modellen, nicht an der Spitze insgesamt
Runway hebt das RoboLab-120-Leaderboard von NVIDIA hervor. Dort erreicht Praxis-1 nach Herstellerangaben 46,2 Prozent Erfolg über 1.200 Episoden, vor FLUX 3 Action mit 42,9, Cosmos3 Nano mit 36,8 und π0.5 mit 28,0 Prozent. Damit ist es laut Runway das beste World Action Model und das beste offene Roboter-Basismodell auf dieser Liste.
Der technische Bericht nennt allerdings auch, was die Pressemitteilung weglässt: Die beiden Spitzenplätze im RoboLab-120-Leaderboard belegen LLM-Agenten mit 86,0 und 57,1 Prozent. Große multimodale Modelle steuern Roboterarme dort über Werkzeug- oder Code-Schnittstellen. Runway argumentiert, diese Agenten seien zu langsam und zu teuer. In einem eigenen Vergleich an derselben YAM-Station mit drei Aufgaben habe GPT-6 Astra im Schnitt 15,6-mal länger gebraucht und pro erledigter Aufgabe 51-mal mehr gekostet. Das ist ein Herstellervergleich mit sehr kleiner Stichprobe.
Weitere Zahlen aus dem Bericht:
- Echter Franka-Arm: Auf den zehn veröffentlichten Aufgaben von FLUX 3 Action kam Praxis-1 bei einem Test des Dienstleisters Positronic auf 88 von 100 erfolgreichen Episoden, FLUX 3 Action auf 80.
- Unbekannter Roboter: Feinjustiert auf Googles RT-1, das in den Trainingsdaten nicht vorkam, erreicht Praxis-1 im Benchmark SimplerEnv 80,0 Prozent gegenüber 52,4 Prozent für die ursprüngliche RT-1-Policy. Das Fine-Tuning dauerte laut Runway etwa 28 Stunden auf 32 H100-GPUs.
- 4-Bit-Variante: Mit auf NVFP4 gerundeten Experten kam das Modell auf 46,5 Prozent (279 von 600 Episoden), die bf16-Version auf 47,8 Prozent. Runway wertet den Unterschied als nicht signifikant.
Grenzen, die Runway selbst nennt
Erfreulich offen ist der Abschnitt zu Schwächen. Am häufigsten greift der Roboter laut Runway nach einem Objekt, das dem gesuchten nur ähnlich sieht, und dieser Fehler ist meist schon im vorhergesagten Video zu erkennen. Vage Anweisungen funktionieren deutlich schlechter als solche, die Farbe oder Größe nennen. Und mehrstufige Aufgaben klappen nur, wenn jeder Schritt eine eigene Anweisung bekommt. Mehrere Schritte aus einem einzigen Prompt abzuarbeiten, bleibt schwierig. Runway schlägt vor, ein Sprach- oder Vision-Language-Modell vorzuschalten, das Aufgaben in Schritte zerlegt.
Einordnung für Entwickler
Praxis-1 reiht sich in eine Welle offener Modelle für physische KI ein. Erst gestern haben wir über das Weltmodell PAN 2 von MBZUAI berichtet, und im September veröffentlichte Black Forest Labs mit FLUX 3 Action ein offenes Robotik-Modell, gegen das sich Praxis-1 jetzt direkt misst. Google geht mit Gemini Robotics-ER 2 den Weg über die Cloud.
Der eigentliche Unterschied liegt in der Lizenz: Apache 2.0 für Gewichte und Trainingscode erlaubt kommerzielle Nutzung ohne Lizenzgebühren und Anpassungen auf eigener Hardware, auch per LoRA. Für Robotik-Teams, die bislang eigene Policies von Grund auf trainieren mussten, kann das den Einstieg spürbar verkürzen. Realistisch bleibt aber: Für einen neuen Roboter braucht es weiterhin eigene Daten und Rechenzeit, und eine Erfolgsquote von rund 46 Prozent im Benchmark ist weit von einem zuverlässigen Produktionseinsatz entfernt.
Runway verweist zudem auf seine Rolle als Gründungsmitglied der Cosmos Coalition, in der das Unternehmen gemeinsam mit NVIDIA offene Weltmodelle für physische KI vorantreiben will.
Fazit
Runway Praxis-1 ist ein ernstzunehmendes offenes Robotik-Modell mit großzügiger Lizenz, ausführlicher Dokumentation und ehrlich benannten Grenzen. Die Spitzenplatz-Formulierung gilt nur innerhalb der World Action Models und offenen Basismodelle, LLM-Agenten liegen im selben Leaderboard deutlich vorn. Wer Roboter entwickelt, sollte sich das Basismodell und den Fine-Tuning-Code ansehen und die Herstellerzahlen auf der eigenen Hardware überprüfen.



