
Avatar 6 против Realtime Venus: рендерер и слушатель — ошибочное сравнение
- OrcaНОВИНКАOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 за 1 млн токенов · 180 tok/s
- tencentНОВИНКАTencent: Hy4 Flash2026-11-16$0.02 / $0.07 за 1 млн токенов · 223 tok/s
- GoogleНОВИНКАGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 за 1 млн токенов · 89 tok/s
- AnthropicНОВИНКАAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 за 1 млн токенов · 98 tok/s
- orcaНОВИНКАOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 за 1 млн токенов · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 за 1 млн токенов · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 за 1 млн токенов · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 за 1 млн токенов · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 за 1 млн токенов · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 за 1 млн токенов · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 за 1 млн токенов · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Интеллект
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 за 1 млн токенов · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Интеллект
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 за 1 млн токенов · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Интеллект
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 за 1 млн токенов · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Интеллект
Поставьте Avatar 6 и Realtime Venus в одно предложение, и первое, что нужно сказать, — это то, что один из них не может показать вам лицо. Realtime Venus — полнодуплексная модель взаимодействия Ant Group: система на 9 млрд параметров, которая слушает, пока говорит, понимает звук в контексте того, что видит, и делегирует работу в фоновом режиме. На выходе у неё речь и решения. Она не генерирует видео, не рендерит ведущего и не имеет понятия референсного изображения. Avatar 6, выпущенный HeyGen 17 ноября 2026 года, делает ровно одну вещь: анимирует человека по фотографии или короткому клипу под аудио, которое вы предоставляете, и возвращает видео разрешением до 2K.
Итак, это сравнение — категориальная ошибка, а его полезная версия — вопрос проектирования. Если вы создаёте что-то, где человек появляется на экране и поддерживает свою сторону разговора, вам нужны оба типа систем, и решающее значение имеет то, какая сторона стека принадлежит вам. Именно здесь эти два варианта резко расходятся — один можно скачать, другой можно только арендовать.
Два портфеля доказательств, оба честно признают свои ограничения
Realtime Venus появляется так же, как появляются открытые исследования: отчёт arXiv (2609.13814), веса Apache-2.0 на Hugging Face под inclusionAI/Realtime-Venus, два 9B-чекпоинта и страница проекта с демонстрациями. Не было ни поста о запуске, ни API, ни цены, ни бенчмарка, который воспроизвела бы внешняя сторона. Все числа, связанные с ним, взяты из технического отчёта, который авторы написали о своей собственной модели.
Avatar 6 идёт с противоположным набором: страница продукта, два идентификатора, REST-эндпоинт, бесплатный тариф и технический отчёт, все исследования предпочтений в котором проводились HeyGen на оценщиках HeyGen. Но у него есть то, чего лишена Venus, — внешнее измерение. Слепая арена New Measure, опубликованная 18 ноября, поставила его на первое место в обеих своих таблицах с 1 197 и 1 237 Elo, на клипах длительностью не более 35 секунд.
Воспринимайте обе главные цифры как заявления, а не как результаты исследований. 84,4% у HeyGen — это 42,2% побед в попарном сравнении, пересчитанные относительно базового уровня 50%; в собственном исследовании с одним клипом Avatar 6 признают настоящим в 65,1% случаев против 78,9% для неотредактированного видео. 97% продолжения бэкченнелинга у Venus взяты из Full-Duplex-Bench v1.5 — протокола, который выбрали его авторы. Ни одна из этих цифр не является нечестной, и ни одну из них не воспроизвела сторона, которой нечего продавать, — хотя Avatar 6, по крайней мере, оценивали голосованием незнакомцы, по полминуты за раз.

Из чего состоит каждая система
• Бэкбон — Avatar 6: не раскрывается; HeyGen описывает его как свою самую умную модель аватара и не документирует архитектуру. Realtime Venus: омни-модель на 9B со зрительным компонентом SigLIP2, аудиокомпонентом Whisper-Medium и языковым бэкбоном Qwen3-8B, адаптированная на основе MiniCPM-o 4.5 согласно карточке модели.
• Входные модальности — Avatar 6: одно референсное изображение или одно референсное видео плюс речевая аудиодорожка. Realtime Venus: непрерывные аудио- и видеопотоки, а также контекст делегированной задачи.
• Выходные модальности — Avatar 6: видео с синхронизированной речью, до 2880×1620 через Model API. Realtime Venus: речь, текст и управляющие сигналы; без пикселей.
• Длительность — Avatar 6: равна длительности аудио; продемонстрированы непрерывные рендеры длительностью 25–28 минут. Realtime Venus: непрерывный сеанс с контекстом в 40 960 токенов и памятью для длинных видео без обучения, которая сохраняет и извлекает выбранные кадры.
• Смена реплик — Avatar 6: отсутствует. Он выполняет скрипт; перебивать некого. Realtime Venus: полный дуплекс, с выверенной реакцией на перебивание и способностью продолжать говорить при фоновых репликах слушателя.
• Доступ — Avatar 6: REST API, только при наличии согласия, оплата кредитами HeyGen. Realtime Venus: веса на Hugging Face и ModelScope, хостингового эндпоинта нет, цена не указана.
• Лицензия — Avatar 6: коммерческие условия в рамках аккаунта HeyGen. Realtime Venus: Apache-2.0.
Эта последняя строка и есть то, что перестраивает всё сравнение. Avatar 6 — это сервис. Realtime Venus — это модель. Всё остальное следует из этого.

Разница в закупках — это и есть настоящая разница.
Если вы хотите использовать Realtime Venus в продакшене, вы скачиваете её, выделяете GPU и берёте на себя задачу обслуживания. Два чекпоинта 9B, BF16, экспорт в ONNX вместе с safetensors, Android APK для экспериментов на устройстве и отдельный репозиторий-обвязка для цикла делегирования. Никто не выставит вам счёт и никто не объявит ваш эндпоинт устаревшим, но и задержку вам тоже никто не исправит. Для исследовательской команды это преимущество. Для продуктовой команды это квартал работы до первого полезного результата.
Если вы хотите запустить Avatar 6 в продакшене, зарегистрируйтесь, получите ключ и вызовите POST /v3/models/avatars с референсным изображением и URL аудио. В ответе 202 вы получите video_id, затем опрашивайте статус, и появится подписанный URL. Процесс получения согласия тяжелее, чем у большинства поставщиков: для реалистичного референсного видео с человеком требуется доступ Enterprise и заявление, записанное на камеру, содержащее одноразовый код для конкретной сессии, — но интеграция занимает полдня, а не квартал.
Что нельзя сделать с Avatar 6 — это назначить ему цену за единицу. HeyGen публикует $0.02 за секунду для HeyGen Video 1 и ничего аналогичного для Avatar 6; на публичной странице тарифов Creator продаётся за $29/мес за 600 кредитов, а Pro — за $49/мес за 1 000 кредитов, при этом преобразование кредитов в секунды не опубликовано. У Realtime Venus противоположная проблема: предельная стоимость вызова — это ваш счёт за электричество, а фиксированная стоимость — GPU, который вам придётся кому-то обосновывать.
Где эти двое на самом деле встретились бы
Представьте продукт, компонентами которого являются оба эти элемента: человек задаёт вопрос голосом, что-то решает, что сказать, и лицо произносит это в ответ с нужным выражением и жестом на важном слове. Realtime Venus отвечает за первые два этапа — она слышит вас, решает, когда говорить, и может продолжать слушать, пока говорит. Avatar 6 отвечает за последний этап и делает это лучше, чем что-либо ещё из доступного на рынке, согласно единственной независимой комиссии, которая это оценивала.
Проблема в стыке. Avatar 6 требует готовый аудиофайл — видео длится столько же, сколько переданное ему аудио, и у него нет потокового режима, нет подачи аудио частями, нет способа дописывать. Realtime Venus порождает речь постепенно, по мере развития разговора. Чтобы соединить их, нужно буферизовать вывод Venus в законченную реплику, отправить её в HeyGen, дождаться рендеринга, который, по замерам независимой арены, обычно занимает 175,6 секунды, и воспроизвести видео, сгенерированное уже после того, как момент прошёл. Это не разговор. Это разговор, заказанный по почте.
Для версии в реальном времени нужен рендерер, который генерирует видео по мере поступления речи, и это другой продукт. Ближайший доступный пример — Muse Realtime Avatar от Meta; другой — Tavus Griffin, находящийся в исследовательском превью. Avatar 6 — это не то, и HeyGen никогда не утверждала обратного: её бюджет задержки — это бюджет пакетной обработки, и данные арены это подтверждают: один из десяти рендеров персонального аватара HeyGen занимал более девяти с половиной минут.
Что Venus измеряет такого, чего не измеряет здесь ничто другое
Интересные цифры в отчёте Venus — это не оценки качества. Это поведенческие показатели, и они описывают проблему, которой у Avatar 6 нет, потому что Avatar 6 не слушает.
Full-Duplex-Bench v1.5 показывает долю продолжения 97% для поддакиваний пользователя, 88% для речи, адресованной другим, и 86% для фоновой речи, а также отдельную долю ответов на настоящие перебивания — 75%. Смысл этих четырёх чисел вместе в том, что модель отличает «мм-хм» от «подожди, стоп» — она продолжает при первом и уступает второму. Результаты понимания составляют 70,2% на StreamingBench, 64,7% на OVO-Bench, 81,3% на Daily-Omni и 78,0% на MMAU audio. Точность делегирования на внутреннем бенчмарке команды составляет 75,93% для чекпойнта Omni и 68,89% для Audio; этот показатель измеряет, правильно ли модель решает передать задачу, а не то, успешно ли она выполнена.
Эти инженерные ориентиры полезны для любого, кто создаёт разговорного агента, и они не воспроизведены. Честная интерпретация такова: Venus — это правдоподобная открытая базовая модель для полнодуплексного поведения, опубликованная вместе с весами, чтобы её утверждение можно было проверить, и никто за пределами Ant Group и Tsinghua не опубликовал проверку.
Где находится OrcaRouter
Ни то, ни другое не принадлежит нам и не подлежит продаже. Realtime Venus — это веса и статья, за которыми нет никакого работающего сервиса; Avatar 6 — это рендерер HeyGen, доступ к которому открывается через процедуру согласия HeyGen и оплачивается кредитами HeyGen. Питч о маршрутизации, размывающий любую из этих границ, был бы ложью — и именно такой ложью, которая всплывает в первом спринте, а не в коммерческой презентации.
То, что мы предоставляем, — это этап делегированных рассуждений, от которого зависят обе архитектуры. Собственная архитектура Venus направляет фоновые задачи в мультимодальную модель, универсальную модель или зарегистрированный навык; сценарий Avatar 6 должен быть кем-то написан. Именно на этом уровне единый ключ к более чем 200 моделям по прейскурантной цене провайдера без наценки, а также автоматическое переключение при сбоях действительно избавляет от работы — потому что это единственная часть любого из этих двух конвейеров, где у вас есть выбор поставщика.

Трактовка, которая выживает при соприкосновении с дорожной картой
Если ваша проблема — «нам нужен ведущий на экране, произносящий наши слова, в масштабе, в этом квартале», то ответ — Avatar 6, а Realtime Venus в этом разговоре не участвует. Примите три неизвестных — отсутствие опубликованной цены за секунду, отсутствие независимых тестов дольше 35 секунд и типичное время рендеринга, измеряемое минутами, — и запустите пилот.
Если ваша задача — «нам нужно что-то, что может поддерживать голосовой разговор и решать, когда говорить», то Realtime Venus — серьёзная открытая базовая модель, а Avatar 6 не имеет значения, потому что у него нет ушей. Берите веса под Apache-2.0, планируйте стоимость обслуживания и считайте любую заявленную оценку собственной оценкой авторов, пока кто-нибудь не воспроизведёт её.
Если ваша проблема — «и то и другое» — лицо, которое ведёт беседу, то ни один из них не является продуктом, и разрыв между ними — это место, где будут разворачиваться следующие двенадцать месяцев борьбы в этой категории. Рендерер, который передаёт поток, управляемый слушателем, который принимает решения, по цене, которую можно рассчитать: никто ещё такого не выпускал. Когда кто-то выпустит, эту страницу придётся переписать.
