Tavus Griffin vs Kling 3: Percakapan Waktu Nyata Melawan Klip Sepuluh Detik

Bentuk jujur dari pertandingan ini adalah asimetri perutean. Kling 3 adalah model yang dapat dipanggil dengan harga, permukaan parameter, dan entri di katalog kami sendiri; Tavus Griffin adalah pratinjau riset untuk penguji terpercaya terpilih di balik formulir permintaan, diumumkan pada 1 Oktober 2026 tanpa pengenal, tanpa endpoint, dan tanpa tarif yang dipublikasikan. Kling 3.0 ada di katalog OrcaRouter sebagai kling/kling-v3, dengan harga $0,084 per permintaan dengan harga daftar penyedia diteruskan dan tidak ada tambahan. Griffin tidak dapat dirutekan, dan bukan karena tidak ada yang sempat mengurusnya — sesi dupleks penuh waktu nyata di mana model menghasilkan 720p dalam potongan 320 milidetik sambil mendengarkan bukanlah panggilan permintaan-respons, dan itu tidak akan cocok dengan bentuk yang sama bahkan jika Tavus membuka gerbangnya besok. Jadi ini bukan perbandingan yang diselesaikan pembeli berdasarkan harga. Ini adalah perbandingan dua jawaban atas pertanyaan tentang untuk apa manusia yang dihasilkan itu.

Apa sebenarnya Kling 3.0 itu

Kling 3.0 diluncurkan pada 5 Februari 2026 sebagai seri empat model — Video 3.0, Video 3.0 Omni, Image 3.0, dan Image 3.0 Omni. Fitur utamanya adalah pengurutan multi-shot otomatis: model merencanakan transisi shot sendiri, dan mode kustom memungkinkan Anda mengatur jumlah shot serta durasi masing-masing, dengan para pengulas melaporkan urutan yang dapat digunakan hingga sekitar enam shot berbeda dari satu prompt, dan ukuran shot, pergerakan kamera, serta beat naratif dapat ditentukan per shot. Batas atasnya adalah 15 detik per generasi dengan batas bawah tiga detik. Di sisi OrcaRouter, ini muncul sebagai model text-to-video dan image-to-video unggulan dengan multi-shot, kontrol subjek dan gerakan, klip 3–15 detik, serta diklaim hingga native 4K, disajikan pada POST /v1/video/generations.

Audio dihasilkan dalam sekali proses yang sama, secara native. Versi Kuaishou mendukung bahasa Mandarin, Inggris, Jepang, Korea, dan Spanyol, menangani dialog campuran bahasa dalam satu klip, mengikat suara yang berbeda untuk setiap karakter dalam adegan multi-karakter, dan menawarkan aksen regional — Inggris Amerika, Inggris Britania, dan Inggris India; Mandarin Timur Laut, Beijing, Taiwan, Kanton, dan Sichuan. Konsistensi lip-sync adalah kelemahan yang paling sering disorot dalam ulasan praktik mandiri, dengan satu pengujian melaporkan sekitar dua dari lima klip dialog perlu diambil ulang, dan artefak yang dilaporkan cenderung mengelompok di sekitar dialog dalam suasana bising, di mana latar suara air dan angin membuat ucapan terdengar teredam.

Apa sebenarnya Griffin, dalam satu paragraf

Griffin bukanlah generator video dengan mode percakapan. Ini adalah dua mesin yang berjalan secara bersamaan. Mesin Continuous Conversational Modeling menyerap audio dan video seseorang, menilai ulang pertukaran tersebut pada interval sub-detik, dan memutuskan pada setiap interval apakah akan tetap diam, memberi sinyal, backchannel, atau mengambil giliran — memancarkan kontrol ekspresif yang membawa waktu, sikap, ekspresi wajah, dan gestur, bukan sekadar kata-kata. Mesin generasi audio-visual mengubah kontrol tersebut menjadi suara dan piksel secara bersamaan: sebuah transformer difusi autoregresif yang menghasilkan ucapan satu potongan laten pada satu waktu dari prefiks pembicara yang dikodekan, dan generator video autoregresif beberapa langkah yang menghasilkan 720p dalam potongan 320 ms pada 25 fps dari satu foto referensi. Tidak ada prompt, tidak ada panjang klip, dan tidak ada file. Untuk audio, ia melaporkan 0,43 detik latensi audio-ke-video sebenarnya pada H100s dibandingkan dengan empat baseline difusi streaming yang dipublikasikan, yang digambarkan Tavus sebagai setengah dari metode tercepat berikutnya.

Harga, dan tabel satu sisi

Harga Kling 3.0 adalah satu-satunya bagian dalam artikel ini yang di kedua sisi perbandingannya terdapat angka pasti, sementara satu sisinya kosong.

• Kling 3.0 di OrcaRouter — $0,084 per permintaan, harga daftar dari penyedia diteruskan dengan markup 0%, sehingga perubahan tarif Kuaishou atau potongan promosi langsung berlaku di sini pada hari yang sama, bukan setelah satu siklus kontrak.

• Kling 3.0 di arena independen — papan text-to-video dengan audio per 2 Oktober 2026 mencantumkan tier 1080p Pro sebesar $10.08/menit dan tier Omni 1080p Pro sebesar $8.40/menit. Papan yang sama menetapkan tarif untuk empat tier Kling 3.0 pada empat harga yang berbeda, jadi "harga Kling 3.0" bukan satu angka tunggal.

• Griffin — tidak ada harga. Griffin-Lite tersedia bagi sejumlah penguji tepercaya pilihan sebagai pratinjau riset, tidak ada di platform Tavus, dan pengumumannya sendiri menyatakan bahwa untuk saat ini tidak akan tersedia untuk penggunaan pelanggan. Tidak ada tarif per permintaan, tidak ada tarif per detik, dan tidak ada tier gratis yang dapat dikutip, dan model tersebut baru akan hadir setelah Tavus menemukan cara merilisnya dengan aman.

Itu adalah seluruh bagian harga, dan jujur untuk membiarkannya seperti itu daripada mengarang perkiraan per detik dari jejak komputasi.

Papan skor mengukur hal yang berbeda dan tidak bertemu.

Kedua model telah dinilai oleh pihak selain vendor mereka, menggunakan instrumen yang tidak dapat dibandingkan.

Kling 3.0 berada di arena video Artificial Analysis, tempat Elo berasal dari preferensi manusia secara buta dalam perbandingan berpasangan atas klip pendek. Dua pembacaan pada hari yang sama menyampaikan cerita yang berbeda, dan itulah jebakan yang layak disebut: pada papan text-to-video dengan audio, tingkatan Kling berada di pertengahan tabel, sementara pada papan image-to-video dengan audio, posisinya jauh lebih tinggi — tetapi tingkatan Kling tidak semuanya muncul di kedua papan. Hanya versi Pro dan Omni Pro 1080p yang ada di papan teks sama sekali; tingkat 720p Standard dinilai pada image-to-video dan tidak di tempat lain.

• Kling 3.0 dalam text-ke-video (dengan audio) — 1080p Pro di peringkat ke-16, Elo 1.000 dari 4.844 suara, $10,08/menit; Omni 1080p Pro di peringkat ke-16, Elo 987 dari 2.741 suara, $6,90/menit. Tier yang lebih mahal dari kedua tier tersebut mendapat skor lebih rendah, yang merupakan non-hasil yang sama seperti yang ditunjukkan sebaran tier di mana pun di papan ini.

• Kling 3.0 dalam image-to-video (dengan audio) — 1080p Pro di peringkat 18–20, Elo 1.055 (±6) dari 14.896 suara, $20,16/menit; 720p Standard di peringkat 18–20, Elo 1.051 (±6) dari 14.692 suara, $15,60/menit; Omni 1080p Pro di peringkat 21–22, Elo 1.044 (±8) dari 2.945 suara, $16,80/menit; Omni 720p Standard di peringkat 21–24, Elo 1.036, $13,44/menit.

Tafsirannya adalah bahwa Kling 3.0 lebih kuat ketika dimulai dari gambar yang disediakan daripada ketika dimulai dari teks, dan papan image-to-video membawa tiga kali jumlah suara, jadi penempatannya di sana adalah yang lebih jelas. Itu juga mode yang paling banyak digunakan oleh pekerjaan komersial. Perhatikan apa yang dibeli oleh empat tingkatan: dalam image-to-video, keempatnya mencakup enam belas poin Elo di rentang harga dari $13,44 hingga $20,16 per menit, dan yang termurah dari keempatnya bukan yang berperingkat terendah. Membayar lebih untuk Kling 3.0 tidak membuatnya naik di papan ini.

Skor Griffin berasal dari VideoFDB milik NVIDIA, yang menilai percakapan audio-visual dupleks penuh pada dua jalur dan dibangun serta dijalankan oleh NVIDIA dengan penilainya sendiri terhadap rubrik yang dipublikasikan. Griffin-Lite mencetak 3,83 dari 5 pada generasi terhadap referensi manusia 3,92 dan 2,80 untuk sistem terbitan dengan skor tertinggi berikutnya, serta 3,73 pada persepsi terhadap referensi manusia 4,20, dengan keselarasan tingkat pengambilalihan sebesar 62,8% dan 73,8%. Angka-angka itu tidak mengatakan apa pun tentang apakah sebuah klip terlihat benar pada 1080p, dan Elo milik Kling tidak mengatakan apa pun tentang apakah sebuah model dapat diinterupsi di tengah kalimat. Satu-satunya penggunaan yang jujur dari keduanya adalah di dalam pertanyaannya sendiri.

Kesenjangan yang tidak diukur siapa pun: latensi versus panjang

Ada kontras rekayasa yang nyata di sini yang tidak ditangkap oleh satu pun dari kedua papan peringkat, dan itulah hal yang paling berguna dalam perbandingan ini bagi siapa pun yang merencanakan sebuah produk.

Kling 3.0 mengoptimalkan panjang dan struktur di dalam generasi yang dibatasi: hingga lima belas detik, hingga sekitar enam shot yang direncanakan, kontrol per shot. Biayanya berskala dengan durasi keluaran, dan kualitasnya berskala dengan seberapa spesifik prompt-nya. Tidak ada bagian darinya yang berjalan saat pengguna masih berbicara, dan itu bukan sebuah cacat — itulah bentuk dari kategori ini.

Griffin mengoptimalkan latensi dalam sesi tanpa batas: potongan 320 milidetik, 25 fps, keputusan yang dibuat setiap interval subdetik, tidak ada klip yang perlu direncanakan karena percakapan tidak memiliki akhir. Biayanya, apa pun nantinya, akan berskala dengan durasi percakapan alih-alih dengan detik yang dirender, dan kualitasnya berskala dengan seberapa alami orang di ujung lain alih-alih dengan brief. Distilasi tiga tahap menjadi generator autoregresif yang dilatih pada riwayatnya sendiri ada justru karena mode kegagalan arsitektur ini adalah drift selama rollout panjang, bukan bidikan yang buruk.

Jika keduanya diletakkan berdampingan, konsekuensi praktisnya adalah keduanya gagal ke arah yang berlawanan. Kling 3.0 gagal secara terlihat dan sejak awal — sebuah pengambilan yang berada di ambang batas dapat Anda hapus dan buat ulang dengan biaya beberapa sen, dengan anggaran pengambilan ulang yang sudah terpasang dalam alur kerja. Griffin, jika ia bekerja seperti yang dilaporkan, akan gagal secara tak terlihat dan terlambat, yaitu dengan tidak menjadi seperti apa yang tampak, dan itulah alasan Tavus menahannya.

Di mana router benar-benar membantu, dan di mana tidak

Kling 3.0 ada di katalog OrcaRouter sebagai kling/kling-v3 dengan harga $0.084 per permintaan, menggunakan key yang sama dan endpoint yang kompatibel dengan OpenAI yang sama seperti 200+ model lainnya. Itu perbedaan nyata dibandingkan harus memiliki akun Kuaishou plus integrasi terpisah untuk model teks apa pun yang dibutuhkan pipeline Anda: karena kami tidak menambahkan apa pun pada harga penyedia, perubahan tarif Kuaishou langsung berlaku di sisi kami pada hari yang sama, dan jika penyedia upstream menurun performanya atau membatasi laju, failover otomatis memindahkan permintaan sebelum respons dimulai alih-alih mengembalikan error ke aplikasi Anda. Untuk pipeline video di mana satu panggilan bisa lebih mahal daripada seribu panggilan teks, membuat permintaan bertahan melewati satu menit buruk di upstream lebih bernilai daripada markup yang tidak Anda bayar.

Griffin tidak ada dalam katalog kami, tidak ada dalam katalog siapa pun, dan tidak bisa ada — model sesi dupleks penuh bukanlah permintaan yang dirutekan. Itu hanya dapat diakses dengan mengirimkan permintaan akses. Tavus sendiri yang mengarahkan calon pengembang ke model-model lamanya alih-alih Griffin adalah petunjuknya: tiga pendahulunya menggerakkan PAL yang sudah digunakan oleh 150.000 pengembang dan bisnis, dan Griffin tidak termasuk di dalamnya.

Yang mana, untuk apa

• Pilih Kling 3.0 untuk urutan multi-shot yang direncanakan dari satu prompt, untuk pekerjaan image-to-video yang penempatan arena tanpa audionya kuat dan banyak diberi suara, untuk dialog multibahasa dengan pengikatan suara per karakter di lima bahasa, untuk konsistensi elemen di seluruh pergerakan kamera, dan untuk 4K jika Anda mengonfirmasi tingkatannya secara tertulis — dokumentasi Kuaishou sendiri mengklaim 4K native, sedangkan panduan penggunanya hanya mencantumkan 720p dan 1080p, dan tarif kredit pihak ketiga untuk 4K bervariasi lebih dari dua kali lipat antar sumber.

• Uji Kling 3.0 pada lip sync terlebih dahulu jika dialog adalah intinya, karena di situlah ulasan langsung independen mengatakan bahwa itu bermasalah, dan itulah kegagalan yang paling banyak memakan pengambilan ulang.

• Jangan menyusun rencana dengan mengandalkan Griffin. Minta akses jika pertanyaan yang perlu Anda jawab adalah apakah seseorang dapat membedakan manusia hasil generasi dari manusia asli dalam panggilan satu menit, atau apakah mengetahui ke arah mana lapisan interaksi akan berkembang seharusnya membentuk apa yang Anda bangun di lapisan klip sekarang.

• Pantau dua hal, bukan satu. Di sisi Kling, apakah sebaran tier mulai mengikuti harga, karena keempat tier saat ini hanya berjarak dalam sembilan belas poin Elo satu sama lain pada gambar-ke-video sementara harganya berbeda setengah kali lebih tinggi, dan tier termurah bukan yang posisinya paling buruk. Di sisi Griffin, apakah mekanisme pengungkapan dan kartu model akan muncul; jika ya, perbandingan ini berhenti menjadi esai desain dan mulai menjadi keputusan pengadaan, dan artikel ini perlu ditulis ulang.