Tavus Griffin vs. Seedance 2.5: Uno genera treinta segundos, mientras que el otro espera a que termines tu frase.

La forma más rápida de entender la brecha entre Tavus Griffin y Seedance 2.5 es observar qué hace cada uno cuando dejas de hablar. Seedance 2.5, lanzado por el equipo Seed de ByteDance el 31 de julio de 2026, sigue adelante: pásale un prompt y producirá hasta treinta segundos de vídeo en una sola pasada, con audio conjunto, en la resolución y la velocidad de fotogramas que elegiste antes de pulsar Intro. Tavus Griffin, anunciado por Tavus en octubre de 2026 como una vista previa de investigación, se detiene —y luego vuelve a empezar, porque ha estado escuchando todo el tiempo y tiene algo que responder. Un modelo es un motor de producción que funciona sin supervisión. El otro es un participante que solo funciona si estás ahí.

Treinta segundos en uno

El titular de Seedance 2.5 es la duración. Donde su predecesor se quedaba en quince segundos como máximo, 2.5 produce treinta segundos en una sola generación —el doble de esa ventana, que es la diferencia entre un plano y una escena. Más allá de eso, admite extensión en múltiples rondas, y ByteDance ha demostrado un modo ultralargo en beta en el que se le pide al modelo que continúe su propia salida en lugar de empezar de cero.

La superficie de entrada es amplia incluso para los estándares de 2026. Una sola solicitud puede llevar hasta unas treinta imágenes, diez clips de vídeo y diez clips de audio como referencias, y cada vídeo y audio de referencia dura aproximadamente treinta segundos. Eso es material suficiente para especificar a la vez un personaje, una ubicación, un movimiento y una banda sonora. El modelo también incluye un conjunto de modos con nombre que se leen más como una suite de composición que como un cuadro de indicaciones: un modo de modelo blanco y arcilla para previsualización, pantalla verde, referencia de movimiento y referencia creativa. Por encima de eso están el control a nivel de marca de tiempo y la edición a nivel de región, que es donde la ventana de treinta segundos deja de ser solo una duración y empieza a ser una línea de tiempo.

El audio y el video salen de una misma pasada en lugar de multiplexarse después, en más de diez idiomas de diálogo, y la lista de socios de lanzamiento —XCMG, XPeng, Lingchu Intelligence, Weifen Zhifei, Qiongche Intelligence— se lee como una base de clientes industriales y automotrices más que como una de herramientas creativas. El propio planteamiento de ByteDance es que Seedance 2.5 es para quienes necesitan una pieza de metraje terminada, no una interacción.

El modelo que solo existe mientras hablas

Griffin es la forma opuesta de sistema, y Tavus es inusualmente explícito sobre la forma. Lo llama el primer Modelo de Interacción Humana: un sistema de vídeo a vídeo que observa y escucha a un participante durante una conversación y genera el otro lado de esta en tiempo real. La arquitectura se divide en Modelado Conversacional Continuo, que decide qué debería estar haciendo la persona momento a momento, y Generación Audiovisual, que transmite el habla y el rostro correspondientes. Es dúplex completo, por lo que puede ser interrumpido, y no necesita una señal limpia de fin de turno para responder.

Todo en la implementación está ajustado para la siguiente fracción de segundo en lugar de para la siguiente toma. El códec de audio Tavec funciona a 48 kHz con 40 valores por trama a 100 tramas por segundo, sin libros de códigos, con un decodificador totalmente causal y paquetes de tan solo 10 milisegundos. El vídeo se transmite en 720p en fragmentos de 320 milisegundos, con un latente cada ocho fotogramas a 25 fps, tres pasos de difusión por latente y una compresión temporal de 8× en el VAE. Una destilación en tres etapas —coincidencia de distribuciones, luego autorregresiva con teacher forcing y después auto-forzada— es lo que hace viables tres pasos de difusión en tiempo real. La latencia de audio a vídeo promedia 0,43 segundos en H100, que, según Tavus, es aproximadamente la mitad de la del siguiente método más rápido que midió. La clonación de voz necesita aproximadamente una muestra de diez segundos.

Y luego, la frase que determina cómo planificas en torno a ello: Tavus afirma que Griffin-Lite, la vista previa de investigación, está disponible para un grupo selecto de probadores tempranos, que Griffin-Lite no estará disponible para su uso por parte de clientes en este momento, que seguirá un lanzamiento más amplio de un modelo más potente, y que Griffin aún no está en la plataforma de Tavus — llegará una vez que la empresa haya resuelto cómo lanzarlo de forma segura.

Las afirmaciones que hace cada uno, y lo que valen

La evidencia de Seedance 2.5 es principalmente sobre capacidad: qué puede aceptar, cuánto tiempo puede ejecutarse, cuánto cuesta. La evidencia de Griffin es principalmente sobre efecto. En un estudio con Queen Mary University of London, Tavus informa que 26 de 54 participantes —48%— creyeron que Griffin era una persona real tras una videollamada de un minuto, frente a 1 de 41 (2.4%) con su anterior stack Phoenix-4.5, Sparrow-2 y Raven-1, y los escépticos normalmente sospechaban en los primeros veinte segundos. El benchmark VideoFDB de NVIDIA, puntuado en septiembre de 2026, sitúa a Griffin primero en IA cara a cara según los cálculos de Tavus: generación 3.83 frente a 2.80 de la línea base más fuerte reportada y 3.92 de un humano, percepción 3.73 frente a 3.44 y 4.20, y una ventaja del 37% sobre el siguiente mejor sistema al reaccionar en el momento. Reportado por el proveedor, en un benchmark creado por NVIDIA —pero los puntos de comparación humanos son los que tienen peso.

No existe una prueba independiente comparable para "¿el público se lo creyó" en Seedance 2.5, porque no es para eso. Los dos modelos responden a preguntas distintas y ninguno de los dos conjuntos de números es transferible al otro.

Qué puedes comprar realmente

Seedance 2.5 es un producto con una lista de precios. En la plataforma ModelArk de ByteDance, su precio es de 10,70 $ por millón de tokens sin entrada de vídeo y de 6,40 $ por millón con ella, lo que equivale a aproximadamente 0,51 $ por un clip de cinco segundos en 16:9 a 480p y aproximadamente 1,16 $ por el mismo clip a 720p. El acceso se realiza a través de las aplicaciones de consumo de ByteDance y mediante la API en Volcano Engine Ark en China y BytePlus ModelArk a nivel internacional. Al menos un distribuidor afirma que no está disponible en Estados Unidos, y las fuentes no coinciden sobre si la resolución máxima es 720p o 1080p, dos datos que conviene conocer antes de incluirlos en una especificación.

Griffin no tiene lista de tarifas, ni API pública, ni fecha. Esa es toda la decisión de compra, y reduce la cuestión más de lo que admiten la mayoría de los artículos comparativos.

Donde un router se gana su lugar

Si estás construyendo algo que necesita ambas cosas — un agente que mantiene una conversación y también produce material final — estás ante dos proveedores, dos consolas, dos sistemas de facturación y dos nociones diferentes de lo que es una solicitud. Esa es la costura donde OrcaRouter es genuinamente útil en lugar de decorativo: una clave para más de doscientos modelos, con los precios de lista del proveedor transferidos a 0% de recargo para que una reducción de precio del proveedor llegue a la tarjeta el mismo día, conmutación por error automática para que un proveedor saturado no se convierta en tu caída, y un DSL de enrutamiento para fijar trabajos críticos a un backend específico mientras los borradores van a donde la capacidad sea más barata. La fusión de modelos también importa en los márgenes aquí — para un generador con precio por token o por segundo, gastar un modelo de texto barato para afinar un prompt antes de gastar en la generación costosa suele ser la línea de mayor retorno en el pipeline.

Para ser precisos sobre los dos modelos del título: ni Seedance 2.5 ni Griffin son una ruta de OrcaRouter. A Seedance se llega a través de las propias plataformas de ByteDance y de distribuidores externos; a Griffin no se puede llegar en absoluto. Lo que sí incluye el catálogo en el apartado de vídeo es minimax/minimax-h3, el generador omnimodal de MiniMax, a 0,08 $ por segundo de resultado en 768P y 0,13 $ por segundo en 2K, que se vende en las mismas unidades por segundo que Seedance y ya está disponible.

Preguntas frecuentes, brevemente

¿Podría ejecutar Seedance 2.5 y Griffin en el mismo producto?A nivel de arquitectura, sí, y es la división obvia: Seedance para todo lo que se pueda pre-renderizar, Griffin para la superficie en vivo. A nivel comercial, no, porque Griffin todavía no se te puede vender.

¿Griffin es solo un generador de cabezas parlantes? No, y Tavus es cuidadoso con la distinción — un generador de cabezas parlantes toma texto y devuelve video, mientras que Griffin toma el video y el audio del participante como entrada y se le puntúa por si reacciona en el momento.

¿Seedance 2.5 funciona en tiempo real? No. Es un generador por lotes con un límite de treinta segundos y un modo de extensión de múltiples rondas; la latencia no es el eje en el que compite.

En resumen

Seedance 2.5 es un motor de producción ya disponible: treinta segundos en una sola pasada, audio conjunto, hasta treinta imágenes y diez referencias de vídeo y audio, control a nivel de marca temporal y de región, alrededor de 0,51 $ por un clip de cinco segundos en 480p y alrededor de 1,16 $ en 720p en ModelArk, disponible ya a través de las propias plataformas de ByteDance y no, hasta donde alguien ha confirmado, en Estados Unidos. Tavus Griffin no es un producto: es un Human Interaction Model dúplex cuyos logros publicados son que el 48 % de los participantes creyera que era humano en una llamada de un minuto y una latencia media de audio a vídeo de 0,43 segundos en H100s, y cuyo proveedor ha dicho por escrito que los clientes aún no pueden usarlo. Si necesitas metraje hoy, Seedance es la respuesta y su precio es público. Si necesitas una cara que reaccione mientras hablas, la respuesta es que todavía nadie vende una.