Runway开源Praxis-1：单卡RTX 5090可跑机器人控制

Runway 开源 Praxis-1：单卡跑通机器人控制

Runway 这回做得挺务实。Praxis-1 模型现在正式支持 SO-101 机器人，权重和配置也一并对外开放。对做具身智能、搞机器人控制的开发者来说，上手门槛又降了一截。

Praxis-1 采用混合专家（MoE）扩散 Transformer 架构，参数量 270 亿，不光能生成视频，还能联合预测动作。这次适配的 SO-101 机器人可借助 LeRobot 社区的数据完成训练与控制。硬件方面官方给出的说法是：单张 RTX 5090 显卡、NVFP4 精度即可运行。机器人控制模型向来吃算力，如今能装进消费级旗舰卡，本地调试和实验的成本一下子低了不少。

这个模型的核心思路，是把视频预训练学到的知识搬到真实机器人操作上——先让模型“看”懂世界怎么运动，再学怎么动手。从视觉到动作的迁移，一直是机器人学习里的硬骨头。Runway 选择开源，大概是想借社区力量加快迭代：机器人场景太碎，一家单干很难覆盖所有长尾情况。

Google DeepMind 的气象数据野心

Google DeepMind 放出了 WeatherNext 3 气象模型的基础数据集 PARDIG 和 SatWeave。这不是给终端用户看的天气预报 App 更新，而是供研究者和开发者使用的“原材料”。

PARDIG 主攻降雨估算，全球数据每 15 分钟刷新一次，官方称其降水检测能力提升超过 30%。洪水预警、农业灌溉规划这类对降雨敏感的场景，正好用得上。以往的卫星降雨数据延迟高、分辨率粗，PARDIG 想解决的正是实时性和精度这两件事。

SatWeave 走的是另一条路：每小时把多颗静止气象卫星的观测数据融合到一起。静止卫星盯着同一片区域看，云层的细微变化逃不过它的眼睛，这套数据可用于追踪野火烟雾、监测极端天气系统的发展。DeepMind 把数据托管在 Google Cloud 上，研究人员调用起来更方便，不必自己清洗、对齐不同来源的卫星数据。

这两套数据集是 WeatherNext 3 模型的基石。观测数据质量上不去，再强的 AI 模型也立不住。DeepMind 这一步，是在夯实自己在地球科学 AI 领域的基础设施地位。

llama.cpp v1.0.0：本地推理的里程碑

llama.cpp 发布了 v1.0.0 稳定版。这个项目在 AI 圈的分量不必多说——大模型能在普通电脑甚至手机上跑起来，靠的就是它。从早期实验性代码一路走到事实上的标准，llama.cpp 走了很长一段路。

v1.0.0 的关键词是“稳定”。过去用 llama.cpp，今天更新一版，明天接口可能就变了，某个硬件后端也可能突然不兼容。如今有了明确的版本号和兼容性承诺，企业级应用和长期维护的项目敢拿它当底层依赖了，本地推理生态因此受益。越来越多应用强调“数据不出域”，llama.cpp 稳定下来，本地部署也就不再是极客的玩具，而成了可行的生产方案。

Devin Apps：云端编程代理的新场景

Cognition 公司推出 Devin Apps。此前的 Devin 主要是能写代码的 AI 代理，现在它能把写出的代码变成真正的 Web 应用，并直接在 Devin 的云端环境里跑起来。

这项功能瞄准内部工具和快速原型开发。比如想做个简单的数据看板，或团队内部用的审批小工具，过去得找前端后端搭架子、买服务器、配域名；现在用 Devin Apps，几句话描述需求，它生成代码并直接部署，给出一个可分享的链接。目前看它还比较初级，不适合复杂生产系统，但对付“最后一公里”的内部需求，效率很高。

这也折射出 AI 代理的一个走向：从“生成代码”转向“交付应用”。代码只是中间产物，能跑起来的服务才是最终价值。

其他开源模型动态

除了上面几个大头，还有两个开源模型值得关注。

Thinking Machines 开源了 Inkling 2 Small。该模型在 Code Arena 的 WebDev 榜单上拿下 1647 分，登顶美国开源模型排名。Apache 2.0 许可对商业使用也友好。需要做代码辅助或 Web 开发自动化的团队，多了一个可选基座。

无界前沿发布了 Fx-Bio-1031，一个生物科学领域的开源模型，主打本地部署和数据隐私，宣称在高难度盲测中表现不错。生物医药行业对数据敏感，这种“数据不出域”的设计正好切中痛点。不过生物领域的基准测试往往复杂，独立验证还需时间，方向是对的。

硬件层面的新玩家

Axelera 公布了数据中心推理芯片 Titania 架构。这颗芯片针对稀疏 MoE 模型做了优化，采用双 D-IMC 计算芯粒设计。官方数据是 2.5 PFLOPS FP8 算力，配 128GB LPDDR6 内存，计划 2027 年第三季度投产。

AI 芯片市场眼下英伟达一家独大，需求又太旺盛，大家都在找替代品。Axelera 切入推理侧，尤其针对 MoE 这种越来越流行的架构做优化，差异化策略选得聪明。MoE 模型激活参数少、总参数量大，对内存带宽和稀疏计算能力要求高。Titania 若能在这一细分领域做出性价比优势，应该能分到一杯羹。问题是 2027 年才投产，时间窗口有点远，届时市场格局变数多大，还得看软件生态跟不跟得上。

小结

回看这一周，两个词最能概括：落地、开放。Runway 把机器人模型开源，llama.cpp 完成稳定化，DeepMind 则开放了气象数据，几件事指向同一个方向——用技术的门槛在往下走。AI 的比拼已经不光是模型本身，基础设施、数据生态、应用场景都被摆上了台面。对开发者来说，眼下正是试试本地部署、拿开源数据做垂直应用的时候。