Qué es Praxis-1 YAM y qué produce
Praxis-1 YAM es una política de robótica de Runway ajustada para un sistema bimanual: dos brazos YAM, una cámara superior y una cámara en cada muñeca. Recibe una instrucción, imágenes de las cámaras y el estado del robot; produce una predicción de vídeo y acciones para ambos brazos. No es un chatbot ni un modelo general que pueda controlar cualquier robot sin adaptación.
El checkpoint publicado tiene 27.200 millones de parámetros y combina un tronco de difusión de vídeo con un experto de acciones de unos 300 millones de parámetros. La ficha describe una representación de vídeo con tres vistas colocadas una junto a otra y una salida de control en bloques de 24 pasos a 15 Hz. Eso describe el formato de esta política; no demuestra por sí solo que una tarea se complete correctamente ni que la misma configuración funcione en otros robots.
Las acciones son vectores de 20 dimensiones: para cada brazo incluyen posición, orientación y apertura de la pinza. Cada brazo expresa su movimiento con relación a la pose que tenía al inicio del bloque, mientras que la referencia de pose corresponde al sistema de coordenadas del equipo. Al integrar el modelo, estos detalles importan: un controlador que interprete las coordenadas de otro modo puede ejecutar movimientos distintos de los esperados.
El modelo usa dependencias que se descargan por separado: el autoencoder de vídeo Wan2.2 y el codificador de texto Qwen3.5-2B. La ficha del checkpoint indica que las instrucciones se envían al codificador de texto y que los pesos de esas dependencias no están incluidos en el repositorio de Praxis-1 YAM. Cada dependencia conserva su propia licencia; la licencia del checkpoint no sustituye la revisión de esos componentes.
La disponibilidad del checkpoint YAM está fechada el 11 de noviembre de 2026 en el catálogo de la versión. La fecha identifica este lanzamiento concreto y no establece por sí misma que haya una API alojada, un precio por uso o un servicio disponible en todos los países. Para evaluar el modelo, conviene separar el acceso a los pesos de la infraestructura necesaria para ejecutarlos.
Ficha práctica del checkpoint YAM
| Aspecto | Especificación publicada | Qué significa para la evaluación |
|---|---|---|
| Robot objetivo | Dos brazos YAM | No se debe atribuir este ajuste a un brazo distinto sin adaptar y evaluar la política. |
| Cámaras | Una superior y dos de muñeca | La perspectiva y la instalación de cámaras forman parte del entorno de entrada. |
| Salida | Bloques de 24 pasos a 15 Hz | Es un bloque temporal de acciones; no es una garantía de éxito de la tarea. |
| Acciones | 20 dimensiones para ambos brazos | Incluye posición, orientación y apertura de pinza, con coordenadas relativas al inicio del bloque. |
| Pesos | 54,4 GB en bfloat16 | El tamaño del archivo no equivale a la memoria total que exige la inferencia. |
| GPU de referencia | Una GPU de 80 GB | Es el requisito publicado para ejecutar el checkpoint en su configuración de referencia. |
Cómo convierte vídeo en movimiento
Praxis-1 pertenece a la familia de modelos de acción del mundo: predice una continuación visual de la escena y relaciona esa predicción con las acciones del robot. En términos sencillos, el sistema estima cómo podría cambiar la escena y genera movimientos asociados a ese futuro. Predecir un vídeo plausible no equivale a comprobar que el movimiento sea seguro, alcanzable o adecuado para el objetivo.
La arquitectura divide el trabajo entre un tronco de vídeo y un experto de acciones. El tronco procesa la instrucción y las vistas de las cámaras; el experto recibe representaciones internas del tronco y predice las acciones. La ficha indica que el modelo usa atención causal por bloques temporales, una forma de organizar la predicción secuencial, y un diseño de mezcla de expertos para el tronco.
La política se ajustó para el equipo YAM, con tres vistas de cámara y acciones para dos brazos. Por eso, la entrada visual y la geometría del robot no son detalles intercambiables: cambiar cámaras, herramientas, orientación o escala puede alterar las señales que el modelo necesita interpretar. Una adaptación a otro montaje requiere comprobar de nuevo las entradas, las salidas y el controlador.
La ficha presenta instrucciones en lenguaje natural y da un ejemplo de una tarea en dos etapas: recoger un bolígrafo de una mesa y colocarlo en una bolsa. Ese ejemplo muestra el tipo de instrucción que el checkpoint espera, pero no constituye una prueba de que la política complete la tarea. Para un uso práctico, la instrucción debe nombrar el objeto y la acción con suficiente precisión para distinguirlos de alternativas cercanas.
La salida llega en bloques, no como una demostración de que el robot puede seguir una tarea indefinidamente. Un sistema que encadena bloques debe decidir cómo actualizar las imágenes, el estado del robot y la instrucción, y cómo detenerse o recuperarse ante un error. La documentación del checkpoint especifica la longitud y frecuencia del bloque; no publica una garantía de planificación de tareas largas para esta variante.
Qué resultados pueden atribuirse a esta variante
La documentación del checkpoint YAM detalla su configuración y requisitos, pero no incluye una puntuación de benchmark para esta variante. En consecuencia, no es correcto atribuirle el resultado de RoboLab-120 asociado a la política Praxis-1 ajustada para DROID, ni resultados de otras configuraciones. Robot, cámaras, datos de ajuste y protocolo de evaluación pueden alterar el desempeño.
Un resultado publicado para otra variante solo sirve como contexto si se respeta su alcance. Por ejemplo, la cifra de RoboLab-120 corresponde a una política DROID y a un conjunto de episodios específico de ese benchmark. No es una medición de Praxis-1 YAM, no constituye una evaluación independiente del checkpoint YAM y no permite inferir su comportamiento con dos brazos.
La ficha de YAM tampoco presenta resultados reproducidos por un laboratorio independiente. El hecho de que el checkpoint tenga pesos disponibles permite que otros equipos lo evalúen, pero la disponibilidad no equivale a replicación. Para valorar una afirmación de rendimiento hacen falta, como mínimo, la variante exacta, el robot, las tareas, el número de intentos, el criterio de éxito y el tratamiento de fallos.
La fuente principal disponible para las especificaciones es la ficha del propio checkpoint, publicada por Runway en Hugging Face. La información del modelo permite describir sus entradas, salidas y requisitos, pero no sustituye un informe de evaluación de esta configuración. No se puede concluir a partir de la arquitectura que la política supere a otros sistemas, que generalice a entornos nuevos o que reduzca el tiempo de trabajo.
Una comparación válida entre políticas bimanuales tendría que fijar el mismo robot, las mismas cámaras, las mismas tareas y un protocolo comparable. También debería registrar si cada sistema recibe ayuda externa, como instrucciones adicionales o planificación de otro modelo. Si una comparación cambia a la vez la política, el hardware y el procedimiento, la diferencia observada no identifica qué componente explica el resultado.
Qué se puede y qué no se puede concluir
| Dato o afirmación | Alcance que sí respalda | Conclusión que no respalda |
|---|---|---|
| El checkpoint está ajustado para dos brazos YAM | La ficha identifica la configuración bimanual prevista. | Que funcione sin cambios en otros robots. |
| La salida usa bloques de 24 pasos a 15 Hz | La especificación de la política publicada. | Que una tarea completa termine con éxito. |
| Pesos en bfloat16 de 54,4 GB | El tamaño publicado de los pesos. | La memoria total necesaria durante la inferencia. |
| Resultados atribuidos a una política DROID | Contexto sobre otra variante y otro montaje. | Una puntuación de Praxis-1 YAM. |
| Pesos disponibles para evaluación | Posibilidad de desplegar y estudiar el checkpoint. | Replicación independiente o validación de seguridad. |
Requisitos de ejecución, licencia y opción NVFP4
La ficha oficial indica que la inferencia de Praxis-1 YAM en bfloat16 necesita una GPU de 80 GB. Los pesos ocupan 54,4 GB, pero el tamaño de los pesos no es el requisito total de memoria: el proceso puede necesitar espacio adicional para activaciones, cachés y otras operaciones. Una tarjeta con 80 GB es el requisito de referencia publicado, no una promesa de que cualquier instalación funcionará sin ajustes.
El checkpoint YAM y el código de referencia se distribuyen con licencia Apache 2.0 según la ficha del modelo. Wan2.2 VAE y Qwen3.5-2B se distribuyen por separado y tienen sus propias licencias. Antes de integrar el modelo en un producto o servicio, hay que revisar las condiciones de cada dependencia y las obligaciones aplicables a la forma concreta de distribución.
La variante Praxis-1 YAM NVFP4 tiene una ficha separada. Según esa ficha, se basa en el checkpoint YAM y se sometió a 5.000 pasos adicionales de entrenamiento con cuantización consciente de la cuantización en las capas de expertos enrutados. Las demás partes —incluidos los expertos compartidos, los enrutadores y el experto de acciones— se mantienen en bfloat16. Por tanto, no es una versión de cuatro bits de todos los pesos.
La ficha NVFP4 informa que los expertos enrutados se empaquetan al cargar y que la memoria de la política pasa de 54,4 GB a 17,5 GB. Sin embargo, el archivo descargado sigue ocupando 54,4 GB. La ficha limita el modo de ejecución NVFP4 a GPU SM120, como RTX 5090 y RTX PRO 6000 Blackwell, y lo califica de experimental. La reducción de memoria no prueba que la variante mantenga el mismo desempeño ni que sea adecuada para control físico.
El catálogo no muestra un precio de API alojada verificado para este checkpoint. La ejecución propia requiere infraestructura; el coste dependerá del equipo, la energía, el tiempo de uso y el trabajo de integración. La tarifa de un servicio externo, si llegara a ofrecerse, no puede inferirse a partir del tamaño del modelo ni de la licencia.
Elección entre bfloat16 y NVFP4
| Opción | Dato publicado | Cuándo considerarla | Límite relevante |
|---|---|---|---|
| bfloat16 de referencia | 54,4 GB de pesos; una GPU de 80 GB para inferencia | Cuando se dispone de la configuración de referencia y se quiere evaluar el checkpoint tal como se especifica. | El tamaño de pesos no incluye toda la memoria de ejecución. |
| NVFP4 para expertos enrutados | 17,5 GB de memoria de política al cargar los expertos empaquetados; el archivo sigue siendo de 54,4 GB | Cuando se tiene hardware compatible y se acepta evaluar una ruta experimental. | La ficha limita el modo a SM120 y no establece equivalencia de resultados con bfloat16. |
| Servicio alojado | No hay una tarifa verificada para este checkpoint en el catálogo. | Solo si se confirma que existe un servicio aplicable al mercado y la configuración necesarios. | No se debe suponer disponibilidad ni precio a partir de la licencia del modelo. |
Límites, seguridad y alternativas de evaluación
La ficha del checkpoint describe una política para una configuración concreta de dos brazos y tres cámaras. No acredita compatibilidad con otros efectores, cámaras o controladores. Un cambio en el robot puede alterar escalas, límites articulares, referencias espaciales y tiempos de respuesta; el equipo que integra el sistema debe comprobar esos elementos antes de realizar movimientos físicos.
El uso de una política generativa en un robot requiere controles externos. Un operador puede limitar el espacio de trabajo, la velocidad y la fuerza, verificar las acciones antes de ejecutarlas y mantener una parada de emergencia independiente. Estas medidas son criterios de despliegue prudente; no convierten el modelo en un sistema seguro por sí solas ni sustituyen una evaluación del robot completo.
Las tareas con dos brazos pueden fallar por causas distintas: un objeto puede quedar fuera de la vista, una pinza puede no sujetarlo, un brazo puede interferir con el otro o la instrucción puede ser ambigua. La ficha de YAM no cuantifica esos fallos. Conviene registrarlos por categoría en lugar de reducir cada evaluación a una sola tasa de éxito.
La comparación con una política alternativa debe empezar por la tarea. Si el problema requiere control de un único brazo, un checkpoint DROID no es automáticamente un sustituto equivalente: cambia la configuración física y la distribución visual. Si se necesita un robot distinto, Praxis-1 YAM no es una opción lista para usar; habrá que identificar una variante compatible o preparar una adaptación y medirla.
Para un equipo que no disponga de una GPU de 80 GB, la opción NVFP4 puede ser relevante solo si el hardware coincide con los requisitos publicados y se acepta su condición experimental. Antes de conectarla a un robot, se debería medir la memoria máxima, comparar las salidas con bfloat16 en tareas representativas y realizar ensayos controlados con límites de movimiento. Una medición de memoria, por sí sola, no demuestra equivalencia funcional.
La decisión de adopción debe distinguir cuatro cuestiones: si el robot coincide con el montaje YAM; si la infraestructura puede ejecutar la variante elegida; si la política supera una evaluación propia y repetible; y si las dependencias y licencias son compatibles con el uso previsto. La disponibilidad de pesos resuelve el acceso al modelo, no esas cuatro decisiones.
Proceso para decidir si probar el checkpoint
- 01Confirmar que el robot usa una configuración bimanual compatible con el checkpoint y que sus cámaras producen las vistas esperadas.
- 02Verificar memoria de GPU y dependencias para la variante elegida; separar la descarga de pesos de la memoria máxima de ejecución.
- 03Comprobar la interpretación de las 20 dimensiones de acción, las coordenadas de cada brazo y la frecuencia de control antes de habilitar movimientos.
- 04Definir tareas, intentos repetidos y criterios de éxito; registrar intervenciones, colisiones, objetos equivocados y fallos de colocación.
- 05Empezar en un entorno controlado con límites de movimiento y una parada independiente; comparar variantes solo con el mismo robot y protocolo.
- 06Revisar las licencias del checkpoint y de Wan2.2 VAE y Qwen3.5-2B para el uso concreto.
Continúa explorando
Fuentes consultadas
Correcciones y transparencia
Si detectas un dato incorrecto o desactualizado, puedes enviarnos una corrección indicando la página y la fuente que debemos revisar.
Proponer una corrección