Tavus Griffin vs Runway Gen-4.5: Konversation och rendering är två olika räkningar

Ställ Tavus Griffin och Runway Gen-4.5 bredvid varandra, och det första du lägger märke till är att de inte använder samma måttenhet. Griffin, som Tavus tillkännagav i oktober 2026 som en forskningsförhandsvisning, är en Human Interaction Model – ett video-till-video-system som håller en livekonversation ansikte mot ansikte och genererar den andra deltagarens ansikte och röst medan samtalet pågår. Runway Gen-4.5, som tillkännagavs den 1 december 2025 och rullades ut till betalande prenumeranter från och med den 12 december, är en text-till-video- och bild-till-video-generator som tar betalt per sekund för det videomaterial den renderar. Den ena säljs per tur och den andra per sekund, och det enda ärliga sättet att jämföra dem är att inse att en minut av Griffin och en minut av Gen-4.5 inte är samma minut.

Två klockor som går i motsatta riktningar

Gen-4.5 har varit i betalande kunders händer under större delen av ett år. Den genererar klipp på två till tio sekunder utifrån en textprompt eller en stillbild, i 720p och 24 eller 25 bildrutor per sekund, i sex bildförhållanden. Det finns inget ljudspår, ingen storyboard för flera tagningar och ingen dialog – det är en renderingsmotor, och en disciplinerad sådan. Dess API är asynkront, vilket är rätt form för ett jobb som tar längre tid än en förfrågan borde. Runways eget API betjänar också tredjepartsvideomodeller vid sidan av sina egna, och företaget levererar en världsmodell, GWM-1, som säger var Runway tror att det intressanta problemet ligger: inte i att föra en konversation, utan i att modellera en scen.

Griffin pekar åt andra hållet. Varje designbeslut i Tavus publicerade arkitektur handlar om latens snarare än fidelitet. Tavec-codecen körs i 48 kHz med 40 värden per bildruta vid 100 bildrutor per sekund, inga kodböcker, en fullt kausal avkodare och paket så små som 10 millisekunder. Videovägen skickar ut 720p i block om 320 millisekunder, där en latent täcker åtta bildrutor vid 25 fps och varje latent kostar tre diffusionssteg. Latensen från ljud till video ligger i genomsnitt på 0,43 sekunder på H100:or, vilket Tavus säger är ungefär hälften av den näst snabbaste metoden man mätt. Inget i den stacken försöker rendera tio vackra sekunder. Allt i den försöker rendera de nästa 320 millisekunderna i tid.

Så specifikationsjämförelsen är verklig, men den är inte en resultattavla:

• Faktureringsenhet – Runway Gen-4.5 faktureras i sekunder av utdata; du vet din kostnad innan du trycker på generera. Griffin har inget publicerat pris alls, eftersom den inte har någon offentlig produkt.

• Klipplängd — Gen-4.5 genererar två till tio sekunder; Griffin körs så länge samtalet pågår.

• Upplösning och bildfrekvens — Gen-4.5 renderar 720p i 24 eller 25 fps; Griffin strömmar 720p i 25 fps i chunkar om 320 millisekunder.

• Ljud — Gen-4.5 producerar inget ljudspår; Griffin genererar tal och video tillsammans och klonar en röst från ett cirka 10 sekunder långt ljudprov.

• Interaktivitet — Gen-4.5 är en enkelriktad asynkron förfrågan; Griffin är full duplex och kan avbrytas mitt i ett yttrande.

• Extra funktioner för motion och grading — Gen-4.5 erbjuder ProRes- och PNG-export mot en tilläggsavgift på 5 credits per sekund och HDR för 20 credits per sekund, vilket stiger till 40 över ungefär fyra megapixlar; Griffin har ingen motsvarighet eftersom den inte exporterar filer.

• Tillgänglighet — Gen-4. har varit tillgänglig för betalande prenumeranter sedan den 12 december 2025. Griffin är i forskningsförhandsvisning för utvalda testare, och Tavus uppger att den inte är tillgänglig för kundanvändning.

Gen-4.5-räkningen, i klara siffror

Runway prissätter Gen-4.5 till 12 krediter per sekund genererad video. Med standardpriset en cent per kredit blir det 0,12 dollar per sekund, eller ungefär 7,20 dollar för en hel minut filmmaterial om man kunde generera en minut i ett sträck – vilket man inte kan, eftersom modellen har en gräns på tio sekunder, så en minut innebär sex eller fler separata genereringar som fogas samman med de kontinuitetsfel det innebär. ProRes- och PNG-utdata lägger till 5 krediter per sekund, och HDR lägger till 20 krediter per sekund, och stiger till 40 över cirka fyra megapixlar. API-krediter faktureras separat från krediter för appabonnemang, en detalj som överraskar team när de prototypar i webbappen och sedan går över till API:et.

Var man kommer åt Gen-4.5 spelar också roll. Den är tillgänglig via Runways eget API och via flera tredjepartsplattformar. Den är inte en OrcaRouter-rutt – vi hostar den inte, och vi kommer inte att antyda att du kan få den här.

Vad Griffin kostar, och varför det är fel fråga

Det finns inget pris för Tavus Griffin. Tavus lanseringsmaterial anger att Griffin-Lite, forskningsförhandsvisningen, är tillgänglig idag för en utvald grupp tidiga testare, att en bredare lansering av en kraftfullare modell kommer att följa, att Griffin-Lite inte kommer att vara tillgänglig för kundanvändning för närvarande, och att Griffin ännu inte finns på Tavus-plattformen — den kommer när företaget har kommit fram till hur man kan lansera den på ett säkert sätt.

Det stycket gör mycket. Det innebär att jämförelsen i den här artikeln inte är ett inköpsbeslut och inte kan bli ett förrän Tavus anger ett pris. Det innebär också att Tavus är ovanligt rakt på sak om ett resultat som de flesta leverantörer skulle ha släppt som en produktsida med en "kontakta sälj"-knapp.

Det Griffin faktiskt publicerar är bevis om beteende. I en studie som genomfördes tillsammans med Queen Mary University of London trodde 26 av 54 deltagare – 48 % – att Griffin var en riktig person efter ett videosamtal på en minut, jämfört med 1 av 41 (2,4 %) för Tavus tidigare stack med Phoenix-4.5, Sparrow-2 och Raven-1. I NVIDIA:s VideoFDB-benchmark, poängsatt i september 2026, rapporterar Tavus en förstaplats inom ansikte-mot-ansikte-AI: generering 3,83 mot 2,80 för den starkaste rapporterade baslinjen och 3,92 för mänsklig referens, perception 3,73 mot 3,44 för den bästa rapporterade baslinjen och 4,20 för en människa, med en måluppfyllelsegrad för uppgifter på 73,8 % på perceptionssidan över femton utvärderade modeller. Det är leverantörsrapporterade siffror som vilar på en benchmark som NVIDIA har byggt, och de handlar om konversation, inte om filmfotografi.

De olika jobben, enkelt uttryckta

Om du vill ha en tagning av en stad i skymningen med en kamerarörelse som matchar en referensbildruta, är Gen-4.5 ett verktyg som finns och kan göra det idag för ungefär tolv cent per sekund. Det finns inget scenario där Griffin hjälper dig, eftersom Griffin inte tar emot en prompt och inte returnerar en fil.

Om du vill ha ett ansikte som lyssnar, blir avbrutet och håller en konversation sammanhängande i flera minuter, kan Gen-4.5 inte hjälpa till, eftersom det inte tar emot indata efter att begäran har skickats. Ett tio sekunder långt klipp med ett talande huvud i är inte en konversation; det är en video av en konversation, och skillnaden är exakt den som Tavus säljer.

Överlappningen är snävare än vad etiketten ”AI-video” antyder: båda producerar pixlar av en person, och båda körs i 720p och 25 fps. Allt utöver det är annorlunda, inklusive enheten på fakturan.

Varför en router är användbar på exakt den här platsen

Team som i slutändan behöver båda upptäcker det vanligtvis den hårda vägen — en produkt vill ha en genererad etableringsbild och en talande avatar, och de två kommer från olika leverantörer med olika autentisering, olika kreditsystem och olika felmoder. Det här är fallet där en enda slutpunkt förtjänar sin plats. OrcaRouter har över tvåhundra modeller bakom en enda nyckel, för vidare leverantörslistpriser med 0 % påslag så att en leverantörsprisändring slår igenom på kortet samma dag, och försöker igen mot en fungerande leverantör när en rutt misslyckas i stället för att ge dig en timeout. Ett routing-DSL låter dig skicka lågriskutkast dit kapaciteten är billigast och låsa allt kundvänt till en specifik leverantör, och modellfusion låter dig sätta en billig textmodell framför ett dyrt genereringsanrop för att skriva om en prompt innan du spenderar sekunderna.

För att vara exakt om vad det där täcker och inte täcker i den här jämförelsen: Gen-4.5 är inte en av våra vägar, och det är inte Griffin heller. Katalogens videosida omfattar minimax/minimax-h3, MiniMax omnimodala generator, för 0,08 $ per sekund utdata vid 768P och 0,13 $ per sekund vid 2K – ett pris per sekund på samma axel som Runways, från en modell som vi faktiskt kan leverera till dig redan i dag. Det är den ärliga rekommendationen om det du behöver är genererade sekunder och du vill ha dem på en och samma faktura som allt annat.

Vilken ska vi planera utifrån?

Gen-4.5 är det säkrare beroendet med stor marginal: det har varit i betalande kunders händer sedan december 2025, dess API är dokumenterat, dess krediter är prissatta, och dess begränsningar – tio sekunder, inget ljud, ingen storyboarding – är publicerade snarare än något man upptäcker. Ett team som behöver genererat filmmaterial kan börja den här veckan.

Griffin är en satsning med högre tak och lägre golv. Dess 48 % och dess genomsnittliga latens på 0,43 sekunder beskriver något genuint nytt, och att Tavus ännu vägrar sälja den är en signal om mognaden hos detta något snarare än ett marknadsföringsbeslut. Lägg inte in den i en färdplan som ett beroende; sätt upp den på en bevakningslista och återkom när säkerhetsnoten försvinner.