Tavus Griffin vs Seedance 2.5: Den ena genererar trettio sekunder, den andra väntar på att du ska avsluta din mening

Det snabbaste sättet att förstå klyftan mellan Tavus Griffin och Seedance 2.5 är att titta på vad var och en gör när du slutar prata. Seedance 2.5, som släpptes av ByteDances Seed-team den 31 juli 2026, fortsätter: ge den en prompt och den producerar upp till trettio sekunder video i en enda körning, med integrerat ljud, i en upplösning och bildfrekvens som du valde innan du tryckte på retur. Tavus Griffin, som tillkännagavs av Tavus i oktober 2026 som en forskningsförhandsvisning, stannar – och startar sedan igen, eftersom den har lyssnat hela tiden och har något att säga tillbaka. Den ena modellen är en produktionsmotor som körs utan tillsyn. Den andra är en deltagare som bara fungerar om du är där.

Trettio sekunder i en tagning

Seedance 2.5:s huvudnyhet är varaktigheten. Medan föregångaren stannade vid femton sekunder producerar 2.5 trettio sekunder i en enda generering – dubbelt så långt fönster, vilket är skillnaden mellan en tagning och en scen. Utöver det stöder den förlängning i flera omgångar, och ByteDance har demonstrerat ett ultralångt läge i beta där modellen ombeds att fortsätta sin egen utdata i stället för att börja om från början.

Inmatningsytan är bred, även med 2026 års mått mätt. En enskild begäran kan innehålla upp till omkring trettio bilder, tio videoklipp och tio ljudklipp som referenser, där referensvideo och referensljud vardera kan sträcka sig upp till ungefär trettio sekunder. Det är tillräckligt med material för att specificera en karaktär, en plats, en rörelse och ett ljudspår på en gång. Modellen levereras också med en uppsättning namngivna lägen som framstår mer som en kompositeringssvit än en promptruta: ett white-model- och clay-läge för previz, green-screen, rörelsereferens och kreativ referens. Ovanpå det ligger kontroll på tidsstämpelnivå och redigering på regionsnivå, och det är där det trettio sekunder långa fönstret upphör att bara vara en längd och börjar bli en tidslinje.

Ljud och video kommer ut i samma pass i stället för att muxas i efterhand, med dialog på fler än tio språk, och listan över lanseringspartner – XCMG, XPeng, Lingchu Intelligence, Weifen Zhifei, Qiongche Intelligence – läses som en industri- och fordonskundbas snarare än en kundbas för kreativa verktyg. ByteDances egen formulering är att Seedance 2.5 är för dem som behöver ett färdigt filmklipp, inte en interaktion.

Modellen som bara existerar medan du pratar

Griffin är ett system med motsatt form, och Tavus är ovanligt explicit om formen. Tavus kallar Griffin för den första Human Interaction Model: ett video-till-video-system som ser och lyssnar på en deltagare under ett samtal och genererar den andra sidan av det i realtid. Arkitekturen delas upp i Kontinuerlig samtalsmodellering, som avgör vad personan ska göra i varje ögonblick, och Audiovisuell generering, som strömmar matchande tal och ansikte. Den är full duplex, så den kan avbrytas, och den behöver ingen ren signal för turslut för att svara.

Allt i implementeringen är inställt för nästa bråkdel av en sekund snarare än nästa bild. Tavec-ljudcodec körs vid 48 kHz med 40 värden per ram vid 100 ramar per sekund, inga kodtabeller, en fullt kausal avkodare och paket så små som 10 millisekunder. Video streamas i 720p i block om 320 millisekunder, en latent per åtta ramar vid 25 fps, tre diffusionssteg per latent, med en 8× tidsmässig kompression i VAE:n. En destillation i tre steg – fördelningsmatchning, sedan teacher-forcing-autoregressiv, sedan self-forcing – är det som gör tre diffusionssteg genomförbara i realtid. 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 den mätte. Röstkloning kräver ungefär ett prov på tio sekunder.

Och sedan meningen som avgör hur du planerar kring det: Tavus uppger att Griffin-Lite, forskningsförhandsvisningen, är tillgänglig för en utvald grupp tidiga testare, att Griffin-Lite inte kommer att vara tillgänglig för användning av kunder i nuläget, att en bredare lansering av en kraftfullare modell kommer att följa, och att Griffin ännu inte finns på Tavus-plattformen — den kommer att komma när företaget har kommit fram till hur man släpper den på ett säkert sätt.

De påståenden som var och en framför, och vad de är värda

Seedance 2.5:s bevis handlar mest om kapacitet: vad den kan ta emot, hur länge den kan köra, vad den kostar. Griffins bevis handlar mest om effekt. I en studie med Queen Mary University of London rapporterar Tavus att 26 av 54 deltagare — 48 % — trodde att Griffin var en riktig person efter ett enminuters videosamtal, mot 1 av 41 (2,4 %) på dess tidigare stack med Phoenix-4.5, Sparrow-2 och Raven-1, där tvivlarna vanligtvis började misstänka redan inom de första tjugo sekunderna. NVIDIAs VideoFDB-benchmark, som poängsattes i september 2026, har Griffin på första plats för ansikte-mot-ansikte-AI enligt Tavus redovisning: generering 3,83 mot den starkaste rapporterade baslinjen på 2,80 och 3,92 för en människa, perception 3,73 mot 3,44 och 4,20, och en ledning på 37 % över näst bästa system när det gäller att reagera i stunden. Leverantörsrapporterat, på ett benchmark som NVIDIA har byggt — men det är jämförelsepunkterna med människor som väger tungt.

Det finns inget jämförbart oberoende test för ”trodde publiken på det” på Seedance 2.5, eftersom det inte är vad den är till för. De två modellerna besvarar olika frågor, och ingen av siffersamlingarna kan överföras till den andra.

Vad du faktiskt kan köpa

Seedance 2.5 är en produkt med en prislista. På ByteDances ModelArk-plattform kostar den 10,70 USD per miljon tokens utan videoindata och 6,40 USD per miljon med videoindata, vilket motsvarar ungefär 0,51 USD för ett fem sekunder långt 16:9-klipp i 480p och ungefär 1,16 USD för samma klipp i 720p. Åtkomst sker via ByteDances konsumentappar och via API:et på Volcano Engine Ark i Kina och BytePlus ModelArk internationellt. Minst en distributör uppger att den inte är tillgänglig i USA, och källorna är oeniga om huruvida den högsta upplösningen är 720p eller 1080p – båda är värda att känna till innan du skriver in det i en specifikation.

Griffin har inget prisblad, inget publikt API och inget datum. Det är hela köpbeslutet, och det reducerar frågan mer än vad de flesta jämförelseartiklar medger.

Där en router förtjänar sin plats

Om du bygger något som behöver båda — en agent som håller en konversation och samtidigt producerar färdigt videomaterial — tittar du på två leverantörer, två konsoler, två faktureringssystem och två olika uppfattningar om vad en förfrågan är. Det är skarven där OrcaRouter är genuint användbar snarare än dekorativ: en nyckel över fler än tvåhundra modeller, med leverantörslistpriser som förs vidare med 0 % påslag så att en leverantörs prissänkning når kortet samma dag, automatisk redundansväxling så att en överbelastad leverantör inte blir ditt driftstopp, och ett routing-DSL för att låsa kritiska jobb till en specifik backend medan utkast går dit kapaciteten är billigast. Modellfusion har betydelse i marginalerna här också — för en generator som prissätts per token eller per sekund är att använda en billig textmodell för att vässa en prompt innan du lägger pengarna på den dyra genereringen vanligtvis den insats i pipelinen som ger högst avkastning.

För att vara exakt om de två modellerna i rubriken: varken Seedance 2.5 eller Griffin är en OrcaRouter-route. Seedance nås via ByteDances egna plattformar och tredjepartsdistributörer; Griffin går inte att nå alls. Vad katalogen däremot har på videosidan är minimax/minimax-h3, MiniMax omnimodala generator, till $0.08 per sekund utdata vid 768P och $0.13 per sekund vid 2K, som säljs i samma per-sekund-enheter som Seedance och är tillgänglig nu.

Vanliga frågor, kortfattat

Skulle jag kunna köra Seedance 2.5 och Griffin i samma produkt?Arkitektoniskt sett ja, och det är den uppenbara uppdelningen: Seedance för allt som kan förrenderas, Griffin för den live-ytan. Kommersiellt sett nej, eftersom Griffin ännu inte är säljbar till dig.

Är Griffin bara en generator för pratande huvuden? Nej, och Tavus är noga med distinktionen – en generator för pratande huvuden tar text och returnerar video, medan Griffin tar deltagarens video och ljud som indata och bedöms utifrån om den reagerar i stunden.

Klarar Seedance 2.5 realtid? Nej. Det är en batchgenerator med ett tak på trettio sekunder och ett förlängningsläge i flera omgångar; latens är inte den axel den tävlar på.

Slutsats

Seedance 2.5 är en levererad produktionsmotor: trettio sekunder i en enda omgång, gemensamt ljud, upp till trettio bilder och tio video- och ljudreferenser, tidsstämpel- och regionnivåkontroll, cirka 0,51 USD för ett femsekundersklipp i 480p och cirka 1,16 USD vid 720p på ModelArk, tillgänglig nu via ByteDances egna plattformar och inte, såvitt någon har bekräftat, i USA. Tavus Griffin är inte en produkt: det är en duplex Human Interaction Model vars publicerade prestationer är att 48 % av deltagarna trodde att den var mänsklig i ett enminuterssamtal och en genomsnittlig ljud-till-video-latens på 0,43 sekunder på H100:or, och vars leverantör skriftligen har sagt att kunder ännu inte kan använda den. Om du behöver filmmaterial idag är Seedance svaret, och det har öppen prissättning. Om du behöver ett ansikte som reagerar medan du pratar, är svaret att ingen säljer ett sådant ännu.