Runway 开源 27B 机器人模型：46% 成功率够用吗

一句话总结：Runway 把 27B 的世界动作模型 Praxis-1 全量开源，在 RoboLab-120 上以 46.2% 成功率登顶，比 π0.5 的 28% 高 65%；但单步成功率连乘之后，做 5 步任务只剩 2.1%。

11 月 13 日 Runway 宣布把 Praxis-1 全量开源，权重、推理代码、微调代码一起放，Apache 2.0，明确允许商用。27B 参数，MoE 扩散 Transformer，一个模型同时预测"世界会怎么变"和"机器人该怎么动"。

一家靠视频生成在创作者圈立足的公司，把最前沿的模型往机器人赛道开源，这个动作本身值得说。但更有意思的是那个成绩：RoboLab-120 上 1200 回合整体成功率 46.2%，登顶。一半以上失败，居然还能登顶。

Praxis-1 是什么：27B 的扩散 Transformer

技术路线说白了是把两件事塞进一个生成过程。传统做法里，视频预测和运动规划是两条流水线，前者算画面怎么变，后者算机械臂怎么动，两边对不上就靠工程去缝。Praxis-1 让模型在想象画面变化的同一时刻输出动作序列——机器人在执行前先在"脑内"演练一遍物理后果。

结构上是扩散 Transformer 加混合专家，27B 总参，每次只激活一部分。这个规模卡在一个务实的位置：太重的模型装不进机载算力，太轻的看不懂复杂场景。机器人规划下一秒动作的预算通常只有几十毫秒，模型必须能在边缘跑。

46.2% 的成功率怎么读

先看数字本身。RoboLab-120 是英伟达的机器人基准，1200 回合，Praxis-1 拿到 46.2%；第二名 FLUX3Action 42.9%，Cosmos3Nano 36.8%，机器人领域熟悉的 π0.5 只有 28%。46.2 比 π0.5 高 18.2 个百分点，相对提升 65%。

但和第一名的差距只有 3.3 个百分点（相对 7.7%）。这个领先幅度在 1200 回合的样本上，统计上不算压倒性——按二项分布粗算，两个 43% 到 46% 之间的成功率，几百回合的差距就可能颠倒。

我的看法是：登顶是真的，优势不算大。真正值得关注的是它把整个赛道的水位抬到了 40% 以上，两年前这类任务的成功率还在个位数。

图 1：左图是基准成功率，右图是连续多步全成功的概率，5 步时只剩 2.1%

连做 5 步只剩 2.1%：多步任务怎么算

真正的机器人任务不是一步。抓取、搬运、装配，任何一件完整的事都要几步串起来。

假设每一步独立、成功率都是 46.2%，连做 n 步全成功的概率是 0.462 的 n 次方：2 步 21.3%，3 步 9.9%，5 步 2.1%。π0.5 那个 28% 连做 5 步是 0.2%，基本等于不可用。

# 输出：
# 46.2% 连做 3 步 = 9.9%，5 步 = 2.1%
# 28.0% 连做 3 步 = 2.2%，5 步 = 0.2%

这个算法有前提：每步独立。实际机器人任务里步骤之间有关联，前一步歪了后一步可以纠，所以真实概率比连乘高一些。但方向是对的——单步 46% 的模型，多步任务的完成率是个位数。

换个角度看更实用：允许重试的话，单步 46.2% 平均试 2.2 次能成一次，想达到 90% 的累计成功要试 4 次。π0.5 要试 8 次。在允许试错的场景（抓取、分拣），这个差距是能用和不能用的分界。

相对 π0.5 高 65%，绝对还是不到一半

两个数字要一起说。相对提升 65% 听起来很大，绝对值 46.2% 意味着一半以上的回合失败。

行业里对这类基准的解读有个惯性：看排名不看绝对值。46.2% 登顶，媒体标题就是"超越 π0.5 登顶"，读者容易忽略一半以上失败这个事实。Runway 自己在发布里也提了"接近五成的成功率意味着一半以上回合仍然失败"，这句比排名诚实。

对工程团队的含义：这代模型能进实验室和可控场景，进不了无人值守的生产线。要上产线，要么把任务拆到 1 到 2 步（把连乘损失压到 21%），要么加人工兜底。

机器人部署要多少显存

27B 参数按不同精度：4bit 是 12.6GiB，8bit 是 25.1GiB，16bit 是 50.3GiB。这个数字和27B 语言模型在 24GB 卡上的账完全一样，因为参数量相同，权重体积就相同。

差别在额外开销。世界动作模型要多一路视觉编码器和动作解码，激活值比纯文本模型大。24GB 卡跑 4bit 权重理论上可以，实际要给视觉分支留出空间，48GB 更稳。

开源的另一层价值在这里：权重和推理代码都给，团队可以自己量化、自己裁视觉分支，把模型压到机载算力能接受的范围。闭源 API 做不了这件事。

该不该接这个模型

三类团队值得动手。做工业抓取和分拣的，任务短、允许重试、场景可控，46.2% 加 2.2 次平均重试已经能算过账；做具身智能研究的，27B 开源底座目前市面上不多，Apache 2.0 可以随便改；做数据回流的，模型开源意味着可以用自己的场景数据微调，这是闭源方案给不了的。

两类先别急。要求高可靠性的（医疗、自动驾驶），46.2% 离安全线太远；没有真实场景数据的，开源只是拿到入场券，把模型接到自己的本体上、调通控制链路、攒够数据，才是真门槛。

最后说一句端侧模型那篇提过的判断：模型开源拉平的是起点，拉不平的是工程能力。Praxis-1 把水位抬到 46%，接下来比的是谁能用自己的数据把它推到 80%。

FAQ

Q：46.2% 的成功率算高吗？

在 RoboLab-120 这个基准上是当前最高，但绝对值意味着一半以上失败。历史上这类任务的成功率长期在个位数，46% 已经是明显进步，离生产可用还有距离。

Q：为什么要算多步连乘？

单步成功率是基准口径，真实任务是多步的。46.2% 连做 5 步只剩 2.1%，这个数字才反映"完整做完一件事"的概率。步骤之间有纠错空间，实际会比连乘高，但量级差不多。

Q：27B 在机器人上跑得动吗？

4bit 权重 12.6GiB，24GB 显存的边缘设备装得下，但视觉分支和动作解码要额外空间，48GB 更稳。实时性上，MoE 每次只激活一部分，规划延迟可以压到几十毫秒。

Q：Apache 2.0 意味着什么？

可以商用、可以改、可以闭源分发修改版，只要保留版权声明。对机器人公司来说，这意味着能把模型嵌进自己的产品而不必开源。

Q：和 π0.5 比该选哪个？

看场景。π0.5 的工程实践积累多，成功率 28% 但在特定任务上调优后表现稳定；Praxis-1 是新一代底座，上限更高但工程链路要自己搭。新项目从 Praxis-1 起步，已有 π0.5 产线的不急着换。