
Avatar 6 vs Realtime Venus: un renderer e un listener, confrontati per errore
- OrcaNUOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M di token · 180 tok/s
- tencentNUOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M di token · 223 tok/s
- GoogleNUOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M di token · 89 tok/s
- AnthropicNUOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M di token · 98 tok/s
- orcaNUOVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M di token · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M di token · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M di token · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M di token · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M di token · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M di token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M di token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenza
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M di token · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenza
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M di token · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenza
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M di token · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenza
Mettere Avatar 6 e Realtime Venus nella stessa frase e la prima cosa da dire è che uno dei due non può mostrarti un volto. Realtime Venus è il modello di interazione full-duplex di Ant Group — un sistema da 9B che ascolta mentre parla, comprende il suono nel contesto di ciò che vede e delega il lavoro in background. I suoi output sono parlato e decisioni. Non genera video, non renderizza un presentatore e non ha alcun concetto di immagine di riferimento. Avatar 6, che HeyGen ha rilasciato il 17 novembre 2026, fa esattamente una cosa: anima una persona a partire da una foto o da una breve clip, guidato dall'audio che fornisci, e restituisce video fino a 2K.
Quindi il paragone è un errore di categoria, e la sua versione utile è una questione di progettazione. Se stai costruendo qualcosa in cui una persona appare sullo schermo e sostiene la propria parte di una conversazione, hai bisogno di entrambi i tipi di sistema, e la decisione che conta è quale lato dello stack possiedi. È qui che questi due divergono nettamente — uno puoi scaricarlo, l'altro puoi solo noleggiarlo.
Due raccolte di prove, entrambe oneste riguardo ai propri limiti
Realtime Venus arriva come arriva la ricerca aperta: un report arXiv (2609.13814), pesi Apache-2.0 su Hugging Face sotto inclusionAI/Realtime-Venus, due checkpoint 9B e una pagina di progetto con demo. Non c'è stato alcun post di lancio, nessuna API, nessun prezzo e nessun benchmark che una parte esterna abbia riprodotto. Ogni numero a esso associato proviene dal report tecnico che gli autori hanno scritto sul proprio modello.
Avatar 6 arriva con l'apparato opposto: una pagina prodotto, due identificatori, un endpoint REST, un piano gratuito e un rapporto tecnico i cui studi sulle preferenze sono stati tutti condotti da HeyGen sui valutatori di HeyGen. Ha però una cosa che manca a Venus: una misurazione esterna. L'arena cieca di New Measure, pubblicata il 18 novembre, lo ha collocato al primo posto in entrambe le sue classifiche con 1.197 e 1.237 Elo, su clip non più lunghe di 35 secondi.
Leggi entrambe le cifre principali come affermazioni anziché come risultati. Il {{1}}84.4%{{/1}} di HeyGen è un tasso di vittoria testa a testa del {{2}}42.2%{{/2}} ricalcolato rispetto a una baseline del 50%; il suo stesso studio su clip singole colloca Avatar 6 al {{3}}65.1%{{/3}} giudicato reale, contro il {{4}}78.9%{{/4}} di un filmato non modificato. Il {{5}}97%{{/5}} di continuazione dei backchannel di Venus proviene da Full-Duplex-Bench v1.5, un protocollo scelto dai suoi autori. Nessuno dei due numeri è disonesto, e nessuno dei due è stato replicato da una parte che non abbia nulla da vendere — anche se Avatar 6 è stato almeno votato da estranei, per mezzo minuto alla volta.

Di cosa è fatto ogni sistema
• Backbone — Avatar 6: non divulgato; HeyGen lo descrive come il suo modello avatar più intelligente e non documenta alcuna architettura. Realtime Venus: un modello omni da 9B con visione SigLIP2, audio Whisper-Medium e backbone linguistico Qwen3-8B, adattato da MiniCPM-o 4.5 secondo la model card.
• Modalità di input — Avatar 6: un'immagine di riferimento o un video di riferimento più audio vocale. Realtime Venus: flussi audio e video continui, oltre al contesto dell'attività delegata.
• Modalità in uscita — Avatar 6: video con parlato sincronizzato, fino a 2880×1620 tramite la Model API. Realtime Venus: parlato, testo e segnali di controllo; nessun pixel.
Durata — Avatar 6: quanto l'audio, con render continui dimostrati da 25 a 28 minuti. Realtime Venus: una sessione in esecuzione, con un contesto di 40.960 token e una memoria per video lunghi senza addestramento che archivia e recupera fotogrammi selezionati.
• Alternanza di turno — Avatar 6: nessuna. Esegue un copione; non c'è nessuno che possa interromperlo. Realtime Venus: full duplex, con una risposta misurata alle interruzioni e la capacità di continuare a parlare attraverso un backchannel.
• Accesso — Avatar 6: API REST, subordinato al consenso, addebitato in crediti HeyGen. Realtime Venus: pesi su Hugging Face e ModelScope, nessun endpoint ospitato, nessun prezzo.
Licenza — Avatar 6: termini commerciali nell'ambito dell'account HeyGen. Realtime Venus: Apache-2.0.
Quell'ultima riga è quella che riorganizza il confronto. Avatar 6 è un servizio. Realtime Venus è un modello. Tutto il resto ne consegue.

La differenza nell’approvvigionamento è la vera differenza.
Se vuoi Realtime Venus in produzione, lo scarichi, ti occupi del provisioning delle GPU e ti prendi il problema del serving. Due checkpoint da 9B, BF16, un export ONNX insieme ai safetensors, un APK Android per esperimenti on-device e un repository harness separato per il ciclo di delega. Nessuno ti manderà una fattura e nessuno deprecarà il tuo endpoint, ma nessuno sistemerà nemmeno la tua latenza. Per un team di ricerca è un vantaggio. Per un team di prodotto sono un trimestre di lavoro prima del primo output utile.
Se vuoi mettere Avatar 6 in produzione, ti registri, ottieni una chiave e chiami POST /v3/models/avatars con un'immagine di riferimento e un URL audio. Ricevi un video_id indietro in una risposta 202, esegui il polling e appare un URL firmato. Il flusso di consenso è più oneroso di quanto impongano la maggior parte dei fornitori — un video di riferimento realistico di una persona richiede accesso Enterprise e una dichiarazione davanti alla telecamera contenente un codice monouso specifico della sessione — ma l'integrazione è questione di un pomeriggio, non di un trimestre.
Quello che non puoi fare con Avatar 6 è stabilirne il prezzo per unità. HeyGen pubblica $0,02 al secondo per HeyGen Video 1 e nulla di equivalente per Avatar 6; la pagina pubblica dei prezzi vende Creator a 29 $/mese per 600 crediti e Pro a 49 $/mese per 1.000 crediti, senza pubblicare alcuna conversione da crediti a secondi. Realtime Venus ha il problema opposto: il costo marginale di una chiamata è la bolletta elettrica, e il costo fisso è una GPU che devi giustificare a qualcuno.
Dove i due si incontrerebbero effettivamente
Immagina il prodotto di cui entrambi questi elementi fanno parte: una persona pone una domanda a voce, qualcosa decide cosa dire e un volto lo ripete con l'espressione giusta e un gesto sulla parola importante. Realtime Venus copre i primi due passaggi: ti ascolta, decide quando parlare e può continuare ad ascoltare mentre parla. Avatar 6 copre l'ultimo e lo fa meglio di qualsiasi altra cosa acquistabile al momento, secondo l'unica classifica indipendente che l'ha preso in esame.
Il problema è la giunzione. Avatar 6 richiede un file audio completo: il video dura quanto l'audio che gli fornisci, e non esiste una modalità streaming, né un input audio parziale, né un modo per aggiungere contenuti in coda. Realtime Venus genera il parlato in modo incrementale, man mano che la conversazione procede. Unirli significa bufferizzare l'output di Venus in un enunciato finito, inviarlo a HeyGen, attendere il completamento di un rendering che l'arena indipendente ha misurato in una media tipica di 175,6 secondi, e riprodurre un video generato dopo che il momento è passato. Questa non è una conversazione. È una conversazione per corrispondenza.
Per la versione in tempo reale serve un renderer che generi video man mano che arriva il parlato, e questo è un prodotto diverso. Muse Realtime Avatar di Meta è l'esempio più vicino disponibile in commercio; Tavus Griffin, in anteprima di ricerca, è un altro. Avatar 6 non è questo, e HeyGen non ha mai sostenuto il contrario — il suo budget di latenza è un budget batch, e i dati dell'arena lo confermano: un rendering su dieci di avatar personali HeyGen ha richiesto più di nove minuti e mezzo.
Cosa misura Venus che nient'altro qui fa
I numeri interessanti nel rapporto Venus non sono punteggi di qualità. Sono numeri comportamentali, e descrivono un problema che Avatar 6 non ha perché Avatar 6 non sta ascoltando.
Full-Duplex-Bench v1.5 porta la continuazione al 97% per i backchannel degli utenti, all'88% per il parlato rivolto ad altri e all'86% per il parlato di sottofondo, con un tasso di risposta separato del 75% alle interruzioni autentiche. Il punto di quei quattro numeri messi insieme è che il modello distingue "mm-hm" da "aspetta, fermati": continua oltre il primo e cede al secondo. I risultati di comprensione sono del 70,2% su StreamingBench, 64,7% su OVO-Bench, 81,3% su Daily-Omni e 78,0% su MMAU audio. L'accuratezza della delega sul benchmark interno del team è del 75,93% per il checkpoint Omni e del 68,89% per quello Audio, che misura se il modello decide correttamente di delegare un compito, non se il compito ha successo.
Quelli sono obiettivi ingegneristici utili per chiunque costruisca un agente conversazionale, e non sono stati riprodotti. La lettura onesta è che Venus è una baseline aperta credibile per il comportamento full-duplex, pubblicata con i suoi pesi affinché l’affermazione possa essere verificata, e che nessuno al di fuori di Ant Group e Tsinghua ha pubblicato una verifica.
Dove si colloca OrcaRouter
Nessuno dei due è nostro da vendere. Realtime Venus è pesi e un paper senza nulla che ascolti dietro; Avatar 6 è il renderer di HeyGen, vincolato al flusso di consenso di HeyGen e pagato in crediti HeyGen. Una proposta di routing che sfumasse l'una o l'altra linea sarebbe una bugia, e del tipo che emerge nel tuo primo sprint anziché in una presentazione commerciale.
Ciò che offriamo è il segmento del ragionamento delegato da cui dipendono entrambe le architetture. Il design di Venus stesso instrada le attività in background verso un modello multimodale, un modello generale o una competenza registrata; lo script di Avatar 6 deve pur essere scritto da qualcosa. È quel livello in cui una singola chiave su oltre 200 modelli, al prezzo di listino del provider senza ricarichi, e con failover automatico, elimina davvero il lavoro — perché è l'unica parte di entrambe le pipeline in cui hai la possibilità di scegliere il fornitore.

La lettura che sopravvive al contatto con una roadmap
Se il tuo problema è "ci serve un presentatore sullo schermo che dica le nostre parole, su larga scala, entro questo trimestre", Avatar 6 è la risposta e Realtime Venus non entra proprio in discussione. Accetta le tre incognite — nessun prezzo al secondo pubblicato, nessun test indipendente oltre i 35 secondi e un tempo di rendering tipico misurato in minuti — e avviane una sperimentazione.
Se il tuo problema è "abbiamo bisogno di qualcosa che possa sostenere una conversazione parlata e decidere quando parlare", Realtime Venus è una solida baseline aperta e Avatar 6 è irrilevante, perché non ha orecchie. Prendi i pesi Apache-2.0, pianifica il costo di serving e considera ogni punteggio riportato come degli autori stessi finché qualcuno non lo riproduce.
Se il tuo problema è "entrambe le cose" — un volto che conversa — nessuno dei due è il prodotto, e il divario tra loro è il terreno su cui si combatterà la battaglia dei prossimi dodici mesi di questa categoria. Il renderer che esegue lo streaming, guidato da un listener che decide, a un prezzo che puoi modellare: nessuno lo ha ancora rilasciato. Quando qualcuno lo farà, questa pagina dovrà essere riscritta.
