
HeyGen Avatar 6: Vad siffran 84,4 % för oskiljbarhet verkligen mäter
- OrcaNYOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M tokens · 180 tok/s
- tencentNYTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M tokens · 223 tok/s
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 89 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 98 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M tokens · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 199 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
HeyGens rubrik för Avatar 6, som släpptes den 17 november 2026, är att modellen är 84,4 % omöjlig att skilja från verkligt material. Läs fotnoten innan du upprepar det: i sida-vid-sida-testet visades bedömarna en verklig inspelning och ett Avatar 6-klipp av samma person som säger samma mening till samma ljud, och valde Avatar 6 som den verkliga 42,2 % av gångerna. Femtio procent skulle vara perfekt förväxling. HeyGen dividerar 42,2 med 50 och fördubblar resultatet för att få 84,4 %, vilket är ett legitimt sätt att uttrycka "hur långt vi har tagit oss över gapet" och ett vilseledande sätt att uttrycka "hur ofta lurar detta någon". Båda siffrorna beskriver samma 270 svar.
Detta spelar roll eftersom Avatar 6 inte är en demo. Det är en produktionsmodell med två API-gränssnitt, två checkpoints, en gratisnivå och – från och med i dag – en tredjepartsleaderboard som placerar den på första plats. Den intressanta frågan är inte längre om HeyGen har byggt något bra. Det är vad bevisen faktiskt stöder, och var gapet mellan marknadsföringsaritmetiken och det uppmätta beteendet ligger.
Vad som levererades, exakt
Avatar 6 är tillgänglig som två modellidentifierare, heygen-avatar-6 och heygen-avatar-6-turbo, via två olika slutpunkter. Modell-API:et på POST /v3/models/avatars tar en referensbild, en valfri referensvideo och det talljud du tillhandahåller – inget avatarträningssteg, ingen röst att konfigurera först. Applikations-API:et på POST /v3/videos renderar en befintlig HeyGen-avatar-look genom att ställa in engine.type till en av dessa två identifierare, vilket är vägen du tar om du redan har en digital tvilling med samtycke.
• Upplösning — 1080p som standard, 2K på begäran; Model API dimensionerar 2K-utdata till 2880×1620 från en 16:9-referens, Application API till 2560×1440.
• Längd – bestäms av ljudet du skickar in. Det finns ingen varaktighetsparameter, ingen gräns för klipplängd och inget sammanfogningssteg; forskningssidan visar enskilda kontinuerliga genereringar på 25 till 28 minuter.
• Control — en motion_prompt på upp till 1 200 tecken som täcker gester, ansiktsuttryck, hållning och kamera, plus en motion_expressiveness-brytare med två inställningar: default, eller less för mindre gester och lugnare uttryck.
• Referensvideo – ett klipp på minst två sekunder, upp till 50 MB via URL eller base64, upp till 200 MB via direktuppladdning. Realistisk mänsklig referensvideo kräver Enterprise-åtkomst och en samtyckesinspelning framför kameran med en engångskod; utan detta returnerar API:et 422 realistic_human_reference_not_allowed.
• Redigering – ett redigeringsläge på ordnivå som bara återskapar de ändrade orden och lämnar resten av materialet orört.

Samtyckesdesignen är värd att stanna upp vid, eftersom den är strängare än vad de flesta avatarleverantörer gör sig besvär med. Samtyckesutlåtandet måste innehålla en kod som genererats för den sessionen, så material som spelats in i förväg kan inte uppfylla kontrollen, och HeyGen verifierar att personen i samtyckesinspelningen matchar personen i träningsmaterialet innan avataren överhuvudtaget kan renderas.
Den 84,4 procenten, utrullad
HeyGen genomförde två tester, och de skiljer sig åt på ett användbart sätt.
Visade en clip i taget och tillfrågade "verklig eller AI", bedömde granskarna 78,9 % av äkta inspelningar som verkliga. De bedömde 65,1 % av Avatar 6-klippen som verkliga när personens egen röst användes. Byt in en HeyGen Voice-klon och det sjunker till 56,5 %. Det är den ärliga rubriken: ungefär två av tre Avatar 6-klipp passerar som verkliga för en främling som letar efter fejk, mot fyra av fem äkta inspelningar.
Sida-vid-sida-testet är enklare – du har en referenspunkt, och modellen behöver bara vara den mer övertygande av två – och det är där 42,2 % kommer ifrån. HeyGen rapporterar också en studie med ett enda klipp, "bedömd som äkta", med 612 riktiga svar och 304 respektive 308 AI-svar, vilket är ett tillräckligt litet urval för att skillnaden mellan 65,1 % och 56,5 % förtjänar en andra körning innan någon bygger ett påstående på det.
Jämfört med andra videomodeller, med personens eget filmmaterial, rapporterar HeyGen en preferensvinst på 72,4 % mot Seedance 2.5, 74,1 % mot Wan 3.0 och 54,9 % mot Kling 4.0. Med ett enda foto vidgas marginalen mot Kling till 73,5 % – vilket säger något om vad referensfilm är värt för en konkurrents utdata, inte bara för HeyGens. Mot kommersiella avatarprodukter gav externa bedömare Avatar 6 4,00 totalt från ett foto, mot VEED Fabric 1.0:s 3,68, och 3,98 från filmmaterial mot Akool Talking Avatar:s 2,93. Alla dessa är HeyGens egna studier, med HeyGens egna bedömare och HeyGens egen promptuppsättning. Behandla dem som en stark prior, inte som ett resultat.
New Measure hann dit först
Det enda beviset som HeyGen inte hade beställt kom in idag. New Measure publicerade tidiga resultat från Avatar Arena från blindröstningar insamlade mellan 27 oktober och 16 november – före lanseringen – från åtta avatarleverantörer. Röstarna såg två videor med samma manus, märkta A och B med leverantörsnamnen dolda, och valde en vinnare.
Avatar 6 slutade etta på båda listorna: 1 197 Elo på personliga avatarer med ett intervall på 1 162 till 1 241, och 1 237 på standardpresentatörer med ett intervall på 1 207 till 1 278. Creatify Aurora 2.0 var tvåa på båda, på 1 053 och 1 088. Tavus Phoenix-4.5 landade på 920 på standardavatarer, efter Creatify och före JoggAI på 887 och Synthesia EXPRESS-1 på 868.

Två detaljer i den rapporten är mer informativa än rankingen. För det första avslöjar New Measure att tre av konkurrenterna – VEED, Creatify och Captions – använde tal skapat med HeyGens röstklon, så en del av HeyGens försprång inom röst är att HeyGen konkurrerar med sig själv. För det andra, och mer betydelsefullt för den här lanseringen: arenan begränsar manus till 500 tecken, det typiska manuset var 62 ord, och i 97 % av de slutförda jämförelserna var båda videorna 35 sekunder eller kortare. Arenan säger därför ingenting alls om den funktion som Avatar 6 leder med – obegränsad varaktighet. En modell som kan behålla en sammanhängande identitet i 26 minuter har inte testats på det av någon utanför HeyGen.
Hastigheten är den andra punkten där rankningen och upplevelsen går isär. Avatar 6 var vanligen den långsammaste av de fem i kategorin för personliga avatarer med 175,6 sekunder per video, mot 60,2 sekunder för Runway GWM-1; en av tio HeyGen-videor med personlig avatar tog mer än nio och en halv minut. Preferens och tålamod är olika poäng, och New Measure säger rakt ut att de två inte stämde överens.
Vad modellen faktiskt gör annorlunda
Den mekaniska förändringen är att Avatar 6 läser manuset i stället för att spela upp en rörelseloop. Tidigare HeyGen-avatarer såg ut som personen men gestikulerade på samma sätt oavsett innehåll; den här kommer att peka på "disken till vänster", räkna till tre på fingrarna vid "smaken, valen och känslan" och lägga en hand på hjärtat vid "alltid glad att prata" – eftersom prompten sa till, eller för att meningen antydde det. Huruvida de implicita fallen fungerar lika bra som de instruerade är sådant som bara produktionsanvändning kan avgöra.
Den andra funktionen är två avatarer i samma bildruta som för ett manusbaserat samtal, genererat i en enda körning. Det är en poddliknande funktion, och den är troligen den mest användbara för team som redan producerar det formatet, eftersom den tar bort klippningen mellan talarbyten.
Den tredje är redigeringen på ordnivå. HeyGens egna siffror för den: läppsynk LSE-C på 7,67 för de nya orden jämfört med 6,25 för originalinspelningen, ansiktslikhet 0,913 jämfört med näst bästa 0,907, röstlikhet 0,763 jämfört med 0,739, och 48,3 dB PSNR på orörd film jämfört med 29,3 dB för den närmast konkurrerande redigeringsmetoden, med 34,4 % av bildrutorna ändrade i stället för de 99 %+ som jämförelsemetoderna rörde. Den sista siffran är den som spelar roll operationellt: en nyinspelning av en mening i en 20-minutersvideo är billig bara om de övriga 19 minuterna överlever byte för byte.
Vad det kostar, och vad som inte publiceras
Avatar 6 finns i gratisnivån – tre videor med vattenstämpel per månad, upp till en minut vardera, inget kort krävs för den första. Creator för 29 USD/månad omfattar 600 credits och inkluderar Avatar 6 Turbo; Pro för 49 USD/månad omfattar 1 000 credits och inkluderar Avatar 6 Pro. HeyGen säljer åtkomst i credits, inte i sekunder.
Det är luckan i lanseringsmaterialet. HeyGen publicerar en pris per sekund för HeyGen Video 1 – 0,02 USD, medan en siffra på 0,03 USD förekommer i deras eget kostnadsdiagram – men någon motsvarande prislista för Avatar 6 finns inte på de offentliga prissidorna, och utvecklarprissidan omdirigerar till en inloggad app. Om du budgeterar en avatar-pipeline för stora volymer prissätter du just nu krediter och gissar omvandlingen. Be om siffran per sekund skriftligt innan du binder en produktionsväg till den.
Var detta passar in om du bygger
Avatar 6 finns inte på OrcaRouter. Vi tillhandahåller den inte, och inga routingknep i världen ändrar på det – det är en renderare som ligger hos HeyGen med sitt eget samtyckesflöde och sin egen fakturering. Det vi tillhandahåller är lagret runt omkring: manusgenereringen, hämtningen, klassificeringen, agenten som avgör vad avataren ska säga. Det är 200+ modeller bakom en enda OpenAI-kompatibel nyckel till leverantörens listpris utan påslag och automatisk failover när en leverantör krånglar. Om din avatarpipeline stannar för att modellen som skriver manusen ligger nere, var renderaren aldrig den ömtåliga delen.

De öppna frågorna
Tre saker skulle förändra den här bilden, och ingen av dem finns tillgänglig ännu. Ett API-pris per sekund, så att ekonomin kan jämföras med Seedance, Kling och HeyGens egen videomodell på lika villkor. Ett oberoende långformstest, eftersom varje påstående om varaktighet här bygger på HeyGens demos och arenans gräns låg på 35 sekunder. Och en direkt jämförelse mot en konkurrent med liknande ambition — säg Tavus Griffin — under ett och samma protokoll, av någon som inte har någon produkt att sälja.
Fram till dess är den rimliga sammanfattningen denna: Avatar 6 är med stor sannolikhet den bästa renderaren för talande avatarer du kan köpa idag, 84,4 % är ett verkligt resultat uttryckt i en smickrande enhet, och den förmåga som mest skiljer den från andra är den som ingen utanför HeyGen har mätt. Bygg piloten, men instrumentera den – att en av tio renderingar tar nio minuter är ett produktbeslut, inte en fotnot.
