Tavus Griffin ضد Kling 3: محادثة في الوقت الفعلي مقابل مقطع مدته عشر ثوانٍ

الشكل الصادق لهذه المواجهة هو عدم تماثل في التوجيه. Kling 3 هو نموذج قابل للاستدعاء له سعر وسطح معاملات ومدخل في كتالوجنا الخاص؛ Tavus Griffin هو إصدار بحثي تجريبي لمختبرين موثوقين مختارين خلف استمارة طلب، أُعلن عنه في 1 أكتوبر 2026 دون معرّف، ولا نقطة نهاية، ولا سعر منشور. Kling 3.0 موجود في كتالوج OrcaRouter باسم kling/kling-v3، بسعر $0.084 لكل طلب مع تمرير سعر قائمة المزوّد كما هو دون أي إضافة. Griffin ليس قابلاً للتوجيه، وليس لأن أحداً لم يجد الوقت لذلك — فجلسة ازدواج كامل في الوقت الحقيقي يولّد فيها النموذج 720p في أجزاء من 320 ملّي ثانية أثناء الاستماع ليست استدعاءً من نوع طلب-استجابة، ولن تتناسب مع الشكل نفسه حتى لو فتح Tavus البوابات غداً. لذا، هذه ليست مقارنة يحسمها المشتري بالسعر. إنها مقارنة بين إجابتين عن سؤال: ما الغرض من إنسان مُولَّد.

ما هو كينج 3.0 في الحقيقة

أُطلق Kling 3.0 في 5 فبراير 2026 كسلسلة من أربعة نماذج — Video 3.0 وVideo 3.0 Omni وImage 3.0 وImage 3.0 Omni. ميزته المميزة هي التسلسل التلقائي متعدد اللقطات: يخطط النموذج نفسه لانتقالات اللقطات، ويتيح لك وضع مخصص ضبط عدد اللقطات ومدة كل منها، مع ما يذكره المراجعون من تسلسلات قابلة للاستخدام تصل إلى نحو ست لقطات متمايزة من موجّه واحد، وإمكانية تحديد حجم اللقطة وحركة الكاميرا والنبضة السردية لكل لقطة. الحد الأقصى هو 15 ثانية لكل عملية توليد مع حد أدنى ثلاث ثوانٍ. من جهة OrcaRouter، يظهر كنموذج رائد لتحويل النص إلى فيديو وتحويل الصورة إلى فيديو مع تحكم في اللقطات المتعددة والموضوع والحركة، ومقاطع من 3–15 ثانية، وحتى دقة 4K أصلية كما يُدَّعى، ويُقدَّم عبر POST /v1/video/generations.

يُولَّد الصوت في التمريرة نفسها، بصورة أصلية. تدعم نسخة Kuaishou اللغات الصينية والإنجليزية واليابانية والكورية والإسبانية، وتتعامل مع الحوار المختلط اللغات داخل المقطع الواحد، وتربط صوتًا مميزًا بكل شخصية في المشاهد متعددة الشخصيات، وتقدم لهجات إقليمية: الإنجليزية الأمريكية والبريطانية والهندية؛ والصينية بلهجات شمال شرق الصين وبكين وتايوان وكانتون وسيشوان. ويُعدّ اتساق مزامنة الشفاه أكثر نقاط الضعف التي تُشار إليها في المراجعات المستقلة القائمة على التجربة العملية، إذ أفاد أحد الاختبارات بأن نحو اثنين من كل خمسة مقاطع حوارية احتاجا إلى إعادة تسجيل، كما أُبلغ عن تشوهات تتركز حول الحوار في الأجواء الصاخبة حيث تجعل خلفيات الماء والرياح الكلام مكتومًا.

ما هو Griffin حقًا، في فقرة واحدة

Griffin ليس مولّد فيديو بوضع محادثة. إنه محرّكان يعملان بالتوازي. محرّك النمذجة الحوارية المستمرة يستوعب صوت الشخص وفيديوه، ويعيد تقييم التبادل على فترات دون الثانية، ويقرّر عند كل واحدة ما إذا كان سيبقى صامتًا، أو يرسل إشارة، أو يشارك بإشارات رجعية، أو يأخذ الدور — ويصدر عناصر تحكّم تعبيرية تحمل التوقيت والموقف وتعبيرات الوجه والإيماءات، وليس الكلمات فقط. محرّك التوليد السمعي البصري يحوّل عناصر التحكّم تلك إلى صوت وبكسلات معًا: محوّل انتشار انحداري ذاتي يولّد الكلام كتلة كامنة واحدة في كل مرة من بادئة متحدث مُرمّزة، ومولّد فيديو انحداري ذاتي قليل الخطوات ينتج بدقة 720p في كتل زمنية مقدارها 320 مللي ثانية بمعدل 25 إطارًا في الثانية من صورة مرجعية واحدة. لا يوجد نص توجيهي، ولا طول مقطع، ولا ملف. وبالنسبة للصوت، يُبلِغ عن زمن استجابة حقيقي من الصوت إلى الفيديو يبلغ 0.43 ثانية على H100s مقابل أربعة خطوط أساس منشورة للانتشار التدفقي، وهو ما تصفه Tavus بأنه نصف زمن أسرع طريقة تالية.

السعر، والجدول أحادي الجانب

سعر Kling 3.0 هو الموضع الوحيد في هذا المقال الذي يوجد فيه رقم محدد على طرفي مقارنة وأحد الطرفين فارغ.

• Kling 3.0 على OrcaRouter — 0.084 دولار لكل طلب، سعر المزوّد المعلن مُمرَّر بهامش ربح 0%، لذا فإن أي تغيير في تسعيرة Kuaishou أو تخفيض ترويجي يسري هنا في اليوم نفسه بدلًا من الانتظار حتى انتهاء دورة تعاقدية.

• Kling 3.0 على الساحة المستقلة — لوحة تحويل النص إلى فيديو مع الصوت، التي قُرئت في 2 أكتوبر 2026، تُدرج فئة 1080p Pro بسعر 10.08 دولار/دقيقة وفئة Omni 1080p Pro بسعر 8.40 دولار/دقيقة. وتُسعّر اللوحة نفسها فئات Kling 3.0 الأربع بأربعة أسعار مختلفة، لذا فإن «سعر Kling 3.0» ليس رقمًا واحدًا.

• Griffin — لا يوجد سعر. يتاح Griffin-Lite لمختبرين موثوقين مختارين كمعاينة بحثية، وهو ليس على منصة Tavus، ويقول إعلانه الخاص إنه لن يكون متاحًا لاستخدام العملاء في الوقت الحالي. لا يوجد سعر لكل طلب، ولا سعر لكل ثانية، ولا فئة مجانية يمكن ذكرها، ولن يصل النموذج إلا بعد أن تتوصل Tavus إلى كيفية إطلاقه بأمان.

هذا هو قسم السعر بأكمله، ومن الأمانة تركه عند هذا الحد بدلًا من اختراع تقدير لكل ثانية انطلاقًا من البصمة الحوسبية.

تقيس لوحات النتائج أمورًا مختلفة ولا تتفق.

تم تقييم كلا النموذجين من قِبل شخص آخر غير مورّدهما، باستخدام أدوات لا يمكن مقارنتها.

يقع Kling 3.0 على ساحة الفيديو الخاصة بـ Artificial Analysis، حيث يأتي Elo من تفضيل بشري ثنائي أعمى على مقاطع قصيرة. وتروي قراءتان في اليوم نفسه قصتين مختلفتين، وهو الفخ الجدير بالتسمية: على لوحة النص إلى الفيديو مع الصوت تقع فئات Kling في منتصف الجدول، بينما على لوحة الصورة إلى الفيديو مع الصوت تقع أعلى بدرجة ملموسة — لكن فئات Kling لا تظهر كلها على اللوحتين. فقط إصدارا Pro وOmni Pro 1080p موجودان على لوحة النص أصلاً؛ أما فئة 720p Standard فتُقيَّم على الصورة إلى الفيديو ولا مكان آخر.

• Kling 3.0 في تحويل النص إلى فيديو (مع الصوت) — 1080p Pro في المرتبة 16، Elo 1,000 من أصل 4,844 صوتًا، ‏$10.08/دقيقة؛ Omni 1080p Pro في المرتبة 16، Elo 987 من أصل 2,741 صوتًا، ‏$6.90/دقيقة. الفئة الأغلى من الفئتين تحصل على نتيجة أقل، وهو نفس غياب النتيجة الذي يُظهره تفاوت الفئات في كل مكان آخر على هذه اللوحة.

• Kling 3.0 في تحويل الصورة إلى فيديو (مع الصوت) — 1080p Pro في المرتبة 18–20، Elo 1,055 (±6) عبر 14,896 صوتًا، 20.16 دولار/دقيقة؛ 720p Standard في المرتبة 18–20، Elo 1,051 (±6) عبر 14,692 صوتًا، 15.60 دولار/دقيقة؛ Omni 1080p Pro في المرتبة 21–22، Elo 1,044 (±8) عبر 2,945 صوتًا، 16.80 دولار/دقيقة؛ Omni 720p Standard في المرتبة 21–24، Elo 1,036، 13.44 دولار/دقيقة.

القراءة هي أن Kling 3.0 أقوى عندما يبدأ من صورة مقدَّمة ممّا يبدأ من نص، ولوحة تحويل الصورة إلى فيديو تحمل ثلاثة أضعاف عدد الأصوات، لذا فإن وضعه هناك هو الخيار الأكثر حسمًا. وهذا أيضًا هو النمط الذي تستخدمه معظم الأعمال التجارية. لاحظ ما الذي تشتريه الفئات الأربع: ضمن تحويل الصورة إلى فيديو، تمتد عبر ستة عشر نقطة Elo في نطاق سعري من 13.44 دولارًا إلى 20.16 دولارًا للدقيقة، وأرخص الفئات الأربع ليس الأدنى ترتيبًا. دفع المزيد مقابل Kling 3.0 لا يرفعه في هذه اللوحة.

تأتي درجات Griffin من VideoFDB الخاص بـ NVIDIA، والذي يقيّم محادثة صوتية-بصرية كاملة الازدواج على مسارين، وقد بنته وشغلته NVIDIA بحكّم خاص بها مقابل معيار منشور. حصل Griffin-Lite على 3.83 من 5 في التوليد مقابل مرجع بشري قدره 3.92 و2.80 لأعلى نظام منشور تالٍ، و3.73 في الإدراك مقابل مرجع بشري قدره 4.20، مع محاذاة معدل الاستحواذ بنسبة 62.8% و73.8%. هذه الأرقام لا تقول شيئًا عما إذا كان المقطع يبدو صحيحًا بدقة 1080p، كما أن Elo الخاص بـ Kling لا يقول شيئًا عما إذا كان يمكن مقاطعة نموذج في منتصف الجملة. الاستخدام الصادق الوحيد لأي منهما هو داخل سؤاله الخاص.

الفجوة التي لا يقيسها أحد: زمن الاستجابة مقابل الطول

ثمة تباين هندسي حقيقي هنا لا ترصده أي من لوحتي الصدارة، وهو أكثر ما يفيد في هذه المقارنة أي شخص يخطط لمنتج.

يعمل Kling 3.0 على تحسين الطول والبنية ضمن عملية توليد محدودة: حتى خمس عشرة ثانية، وحتى نحو ست لقطات مخططة، مع تحكم لكل لقطة. وتتناسب تكلفته مع مدة الإخراج، وتتناسب جودته مع مدى تحديد الموجّه. ولا شيء منه يعمل بينما لا يزال المستخدم يتحدث، وهذا ليس عيبًا — بل هو شكل هذه الفئة.

يُحسّن Griffin زمن الاستجابة داخل جلسة غير محدودة: أجزاء من 320 مللي ثانية، و25 إطارًا في الثانية، وقرار يُتخذ كل فترة أقل من ثانية، ولا مقطع يمكن التخطيط له لأن المحادثة بلا نهاية. وستتوسّع تكلفته، أيًّا تكن، مع مدة المحادثة لا مع الثواني المُصيَّرة، وتتوسّع جودته مع مدى طبيعية الشخص في الطرف الآخر لا مع الموجز. ويوجد التقطير على ثلاث مراحل إلى مُولِّد انحداري ذاتي مُدرَّب على تاريخه الخاص تحديدًا لأن نمط الفشل في هذه المعمارية هو الانحراف خلال توليد متسلسل طويل لا لقطة سيئة.

ضع الاثنين جنبًا إلى جنب، والنتيجة العملية هي أنهما يفشلان في اتجاهين متعاكسين. يفشل Kling 3.0 بشكل مرئي ومبكر — لقطة على الحدّ الفاصل يمكنك حذفها وإعادة توليدها مقابل بضعة سنتات، مع ميزانية إعادة التصوير مدمجة في سير العمل. أما Griffin، فلو عمل كما أُبلغ عنه، لفشل بشكل غير مرئي ومتأخر، بأن لا يكون ما يبدو عليه، وهذا هو السبب الذي يجعل Tavus يحتفظ به.

أين يفيد الراوتر حقًا، وأين لا يفيد

Kling 3.0 موجود في كتالوج OrcaRouter باسم kling/kling-v3 بسعر 0.084 دولار لكل طلب، على نفس المفتاح ونفس نقطة النهاية المتوافقة مع OpenAI مثل أكثر من 200 نموذج آخر. هذا فرق حقيقي عن امتلاك حساب Kuaishou بالإضافة إلى تكامل منفصل لأي نموذج نصي تحتاجه خطوط أنابيبك: لأننا لا نضيف شيئًا إلى سعر المزود، فإن تغيير أسعار Kuaishou يسري على جانبنا في نفس اليوم، وإذا تدهور المزود الأولي أو فرض حدودًا على المعدل، فإن التحويل التلقائي عند الفشل ينقل الطلب قبل أن يبدأ الرد بدلاً من إرجاع خطأ إلى تطبيقك. بالنسبة لخط أنابيب فيديو حيث يمكن أن تكلف مكالمة واحدة أكثر من ألف مكالمة نصية، فإن قدرة الطلب على النجاة من دقيقة سيئة في المصدر تستحق أكثر من هامش الربح الذي لا تدفعه.

Griffin ليس في كتالوجنا، وليس في كتالوج أي أحد، ولا يمكن أن يكون — فنموذج جلسة ثنائي الاتجاه بالكامل ليس طلبًا موجّهًا. لا يمكن الوصول إليه إلا عبر تقديم طلب وصول. إن توجيه Tavus نفسه للبناة المحتملين نحو نماذجه الأقدم بدلًا من Griffin هو العلامة الدالة: فالنماذج الثلاثة السابقة تشغّل PALs التي يستخدمها بالفعل 150,000 مطوّر وشركة، وGriffin ليس من بينها.

أي واحد، لأي غرض؟

• اختر Kling 3.0 للتسلسلات متعددة اللقطات المخطط لها انطلاقًا من موجّه واحد، وللعمل على تحويل الصور إلى فيديو حيث يكون ترتيبه في الساحة الصامتة قويًا ويحظى بتصويت كثيف، وللحوار متعدد اللغات مع ربط صوت كل شخصية عبر خمس لغات، ولاتساق العناصر عبر حركات الكاميرا، ولدقة 4K إذا أكدت الفئة كتابيًا — فوثائق Kuaishou نفسها تدّعي دعم 4K الأصلي بينما لا يسرد دليل المستخدم الخاص بها سوى 720p و1080p، كما تتفاوت معدلات الرصيد لدى جهات خارجية لدقة 4K بأكثر من الضعف بين المصادر.

• اختبر Kling 3.0 على مزامنة الشفاه أولاً إذا كان الحوار هو الهدف، لأن هذا هو المجال الذي تقول مراجعات مستقلة قائمة على التجربة العملية إنه يفشل فيه، وهو الإخفاق الذي يكلّف أكبر عدد من إعادات التصوير.

• لا تخطط بناءً على Griffin. اطلب الوصول إذا كان السؤال الذي تحتاج إلى إجابته هو ما إذا كان بإمكان شخص أن يميّز إنسانًا مُولَّدًا من إنسان حقيقي في مكالمة مدتها دقيقة واحدة، أو ما إذا كان ينبغي لمعرفة إلى أين تتجه طبقة التفاعل أن تشكّل ما تبنيه على طبقة المقاطع الآن.

• راقب أمرين، لا أمرًا واحدًا. من جانب Kling، ما إذا كان تفاوت الفئات يبدأ في تتبع السعر، لأن الفئات الأربع حاليًا تقع ضمن نطاق تسع عشرة نقطة إيلو من بعضها البعض في مجال تحويل الصورة إلى فيديو بينما يختلف السعر بنسبة 50%، والفئة الأرخص ليست الأسوأ ترتيبًا. من جانب Griffin، ما إذا كانت آلية الإفصاح وبطاقة النموذج ستصلان؛ إذا حدث ذلك، تتوقف المقارنة عن كونها مقالًا تصميميًا وتصبح قرار شراء، وسيحتاج هذا المقال إلى إعادة كتابة.