Tavus Griffin vs MiniMax H3: Model Percakapan Dupleks Bertemu Generator Video yang Sudah Dirilis

Tavus Griffin dan MiniMax H3 keduanya menampilkan manusia yang bergerak dan berbicara di layar, dan di luar kesan pertama itu, keduanya berada dalam kategori produk yang sama. Griffin adalah Human Interaction Model — sistem video-ke-video yang dibangun untuk melakukan percakapan dua arah secara real-time, diumumkan oleh Tavus pada Oktober 2026 dan saat ini terbatas untuk sekelompok kecil penguji awal. MiniMax H3 adalah generator video omni-modal: Anda memberinya prompt plus referensi gambar, video, dan audio opsional dan ia mengembalikan klip yang sudah jadi. Satu sedang dievaluasi di balik pintu tertutup; yang lain telah dapat diunduh, dilisensikan, dan ditagih selama berbulan-bulan. Perbedaan itulah — bukan resolusi atau frame rate — yang menentukan mana di antara keduanya yang cocok untuk stack Anda.

Apa sebenarnya masing-masing itu

Griffin adalah upaya Tavus untuk membangun model yang berperilaku seperti peserta, bukan perender. Perusahaan itu menggambarkannya sebagai Human Interaction Model pertama, dan arsitektur yang dipublikasikannya membagi tugas menjadi dua: Continuous Conversational Modeling, yang memutuskan apa yang seharusnya dilakukan persona dari saat ke saat, dan Audio-Visual Generation, yang mengalirkan ucapan dan wajah yang sesuai. Yang krusial, model ini bersifat dupleks penuh — ia mengamati dan mendengarkan selagi berbicara, sehingga dapat disela, dapat bereaksi di tengah ujaran, dan tidak menunggu sinyal akhir giliran yang jelas sebelum merespons. Kerangka Tavus sendiri adalah bahwa sistem-sistem sebelumnya belajar menghasilkan wajah; Griffin dibangun untuk mempelajari perilaku percakapan dari manusia.

MiniMax H3 adalah generasi Hailuo 3, dirilis pada 31 Juli 2026 dan di-open-source-kan pada 3 Agustus 2026 di bawah MiniMax H3 Community License, dengan varian H3-Base-FL2VA dan H3-Base-Ref2VA yang dipublikasikan secara terbuka. Model ini membaca referensi teks, gambar, video, dan audio sebagai satu konteks terpadu dan menghasilkan klip berdurasi 4 hingga 15 detik pada 768P atau 2K dengan audio stereo native, yang dihasilkan melalui pipeline tiga tahap (H3-Context-IR, lalu H3-Base pada 768p, kemudian H3-Regenerate-2K). Ini adalah generator dengan cakupan input yang luar biasa luas dan lisensi yang benar-benar permisif — semua hal yang saat ini tidak dimiliki Griffin.

Spesifikasi, berdampingan

Mengapa "duplex" adalah kata yang menarik

Setiap generator video, termasuk H3, dinilai berdasarkan bagaimana tampilan sebuah klip setelah selesai. Griffin dinilai berdasarkan sesuatu yang tidak dapat ditunjukkan oleh klip: apa yang terjadi dalam 200 milidetik setelah Anda menginterupsinya. Itulah masalah yang dituju oleh kerangka Human Interaction Model, dan itulah sebabnya angka-angka utama Tavus bersifat perilaku, bukan visual.

Angka yang paling banyak dikutip adalah bahwa 48% orang percaya Griffin adalah orang sungguhan setelah panggilan video satu menit — 26 dari 54 peserta — dibandingkan 2,4% untuk rangkaian sebelumnya dari Tavus, yaitu Phoenix-4.5, Sparrow-2, dan Raven-1, yang hanya mencapai 1 dari 41. Tavus juga melaporkan bahwa orang-orang yang tidak yakin cenderung mulai curiga dalam 20 detik pertama, yang merupakan detail lebih berguna daripada angka utamanya: ini berarti ilusi tersebut entah bertahan sejak awal atau runtuh sejak awal.

Set angka kedua berasal dari benchmark VideoFDB milik NVIDIA, yang dinilai pada September 2026, di mana Tavus mengatakan Griffin menempati peringkat pertama dalam uji independen AI tatap muka. Di sisi generasi, Griffin memperoleh skor 3,83 berbanding 2,80 untuk baseline terkuat yang dilaporkan (konfigurasi Gemini 2.5 plus Anam) dengan referensi manusia 3,92, dan tingkat objektif tugas 62,8%. Pada persepsi, skornya 3,73 berbanding 3,44 untuk MiniCPM-o 4.5, 3,17 untuk Gemini 2.5 Flash Native, dan 2,97 untuk konfigurasi OpenAI gpt-realtime yang hanya audio, berbanding referensi manusia 4,20 dan tingkat objektif tugas 73,8%, di antara lima belas model yang dievaluasi. Tavus juga mengklaim Griffin unggul 37% atas sistem terbaik berikutnya dalam bereaksi saat itu juga. Ini adalah angka yang dilaporkan vendor yang bertumpu pada benchmark buatan NVIDIA, dan angka-angka itu harus dibaca seperti itu — tetapi titik pembanding manusia adalah yang layak dipertahankan, karena 3,83 berbanding skor manusia 3,92 adalah jarak yang jauh lebih kecil daripada yang secara historis ditunjukkan oleh generasi video.

Apa yang bisa kamu beli hari ini

Di sini, kedua model sama sekali tidak lagi dapat dibandingkan.

MiniMax H3 adalah sebuah produk. Ia dihosting, harganya dihitung per detik keluaran yang dihasilkan, dan varian terbukanya tersedia di sebuah hub model, menunggu untuk diunduh. Jika Anda menginginkan klip berdurasi lima belas detik, 2K, dengan audio stereo tentang sesuatu yang tidak ada, Anda bisa mendapatkannya sore ini juga, dan Anda dapat menjalankan bobotnya sendiri jika Anda lebih memilih tidak menyewanya.

Tavus Griffin bukanlah produk. Tavus secara eksplisit menyatakan dalam tulisan mengenai Griffin bahwa Griffin-Lite, pratinjau riset, tersedia hari ini bagi sekelompok terpilih penguji awal, bahwa peluncuran yang lebih luas dari model yang lebih kuat akan menyusul, dan bahwa Griffin belum ada di platform Tavus dan hanya akan hadir setelah perusahaan menemukan cara merilisnya dengan aman. Itu adalah tingkat keterbukaan yang tidak biasa dari vendor tentang hasilnya sendiri yang paling memukau, dan hal itu penting untuk perencanaan: Anda tidak dapat menaruh Griffin dalam peta jalan produk sebagai dependensi, dan Anda tidak dapat menetapkan harga untuknya, karena memang tidak ada harganya.

Jadi, pertanyaan perencanaan yang jujur bukanlah "mana yang lebih baik" melainkan "mana yang ada di lapisan yang saya butuhkan".

Di mana OrcaRouter cocok

MiniMax H3 ada di katalog kami. Halaman modelnya berada di minimax/minimax-h3, dan penagihannya mengikuti cara penyedia menagihnya: $0.08 per detik output yang dihasilkan pada 768P dan $0.13 per detik pada 2K. OrcaRouter meneruskan harga daftar penyedia dengan markup 0%, sehingga perubahan harga MiniMax muncul di kartu kami pada hari yang sama saat diumumkan, bukan pada siklus penagihan berikutnya. Griffin tidak ada di katalog dan tidak akan ada sampai Tavus merilisnya ke pelanggan — kami tidak menghosting model yang tidak dapat kami layani, dan pratinjau riset yang terbatas pada penguji terpilih bukanlah sesuatu yang bisa dirutekan oleh router.

Konsekuensi praktisnya adalah bahwa salah satu dari dua model ini hanya berjarak satu baris kode dari aplikasi Anda dan yang lainnya adalah makalah riset dengan nomor telepon. Jika Anda sudah merutekan beberapa model video dan bahasa, penagihan per detik pada H3 juga menjadikannya jenis rute yang layak ditempatkan di balikfailover otomatis: permintaan yang mengenai penyedia yang jenuh akan dicoba ulang ke penyedia yang sehat alih-alih memunculkan timeout, dan DSL perutean memungkinkan Anda menyematkan pekerjaan 2K ke penyedia tertentu sementara membiarkan draf 768P jatuh ke mana pun kapasitasnya paling murah. Fusi model adalah tuas lain yang layak disebutkan di sini — harga per detik H3 cukup rendah sehingga menggunakan model teks untuk menulis ulang dan memotong ulang prompt sebelum generasi sering kali lebih murah daripada detik-detik yang terbuang akibat percobaan pertama yang buruk.

Di mana perbandingannya bisa berbalik

Tiga hal akan mengubah perbandingan ini, dan hanya tiga.

Pertama, jika Tavus menempatkan Griffin pada API komersial dengan tarif yang dipublikasikan, keseluruhan kerangka "percakapan versus klip" menjadi keputusan pembelian yang sesungguhnya, bukan keputusan penjadwalan, dan angka 48% tatap muka mulai bersaing langsung dengan kualitas keluaran generatif. Kedua, jika narasi real-time H3 membaik — dan MiniMax telah agresif merilis produk — generator per detik yang dapat melakukan streaming akan menumpulkan keunggulan utama Griffin. Ketiga, jika NVIDIA atau pihak netral lain menjalankan ulang VideoFDB dengan menyertakan H3 atau penerusnya, klaim bahwa Griffin adalah yang pertama dalam AI tatap muka tidak lagi bersifat tak terbantahkan. Tavus mengatakan pihaknya memperkirakan akan merilis Griffin segera setelah kekhawatiran keamanannya diatasi; kalimat itu adalah keseluruhan lini masanya.

Intinya

MiniMax H3 dan Tavus Griffin bukan pesaing saat ini, karena hanya salah satunya yang bisa dibeli. H3 adalah generator omni-modal per detik dengan bobot terbuka yang sudah dirilis, dengan harga yang dipublikasikan dan jendela keluaran 4 hingga 15 detik; Griffin adalah model percakapan dupleks dengan angka tatap muka terbaik yang pernah dipublikasikan siapa pun, tanpa API, tanpa harga, dan pernyataan eksplisit dari vendornya sendiri bahwa pelanggan belum bisa menggunakannya. Jika Anda membutuhkan pembuatan video hari ini, H3 adalah jawabannya dan terukur dalam sen per detik. Jika Anda membutuhkan wajah waktu nyata yang dapat diinterupsi, pantau Tavus — tetapi bangun dulu bagian lain dari produknya, karena tanggal rilisnya hanyalah sebuah kalimat, bukan tanggal.