Tavus Griffin กับ Alibaba Wan 2.7: โมเดลสนทนาเทียบกับโมเดลสร้างสรรค์

วิธีที่ชวนให้เผลอทำเมื่อเปรียบเทียบ Tavus Griffin กับ Alibaba Wan 2.7คือคิดเป็นราคาต่อวินาทีของวิดีโอ แต่การเปรียบเทียบแบบนั้นทำไม่ได้ Wan 2.7 มีตารางราคาที่เปิดเผยไว้ — 9.00 ดอลลาร์ต่อนาทีที่ความละเอียด 1080p บนปลายทางต่างประเทศของ Alibaba Cloud ที่สิงคโปร์ พร้อมระดับราคาที่ถูกกว่าสำหรับปักกิ่งและโตเกียว — ส่วน Tavus Griffin ไม่มีตารางราคาเลย เพราะ Griffin-Lite เปิดตัวเมื่อวันที่ 1 ตุลาคม 2026 ในฐานะพรีวิวเชิงวิจัยสำหรับผู้ทดสอบที่ได้รับความเชื่อถือบางราย ซึ่งต้องผ่านการกรอกแบบฟอร์มขอสิทธิ์ สิ่งที่ทั้งสองมีร่วมกันคือคำคำหนึ่ง: วิดีโอ นอกเหนือจากนั้น พวกมันเป็นคำตอบของคำถามคนละข้อ ตัวหนึ่งถูกถามว่าอะไรควรเกิดขึ้นต่อไปในการสนทนา ส่วนอีกตัวถูกถามว่าฉากที่บรรยายไว้มีหน้าตาอย่างไร การเปรียบเทียบที่น่าสนใจไม่ใช่คุณภาพ แต่คือสิ่งที่แต่ละตัวต้องการจากคุณก่อนที่จะผลิตอะไรออกมา และสิ่งที่คุณได้รับกลับมา

ความแตกต่างอยู่ที่ลูป ไม่ใช่ที่ความละเอียด

Wan 2.7 สร้างคลิปทีละคลิปจากพรอมต์ คุณเขียนคำอธิบาย คุณได้ฟุตเทจหนึ่งชิ้น คุณดูมัน คุณเขียนอีกอัน Wan 2.7 เป็นชุดสี่โมเดล — ข้อความเป็นวิดีโอ, ภาพเป็นวิดีโอ, ข้อมูลอ้างอิงเป็นวิดีโอ และการตัดต่อวิดีโอ — และการปฏิสัมพันธ์นั้นโดยพื้นฐานแล้วเป็นการแลกเปลี่ยนแบบทันที: อินพุตหนึ่งรายการ เอาต์พุตที่เรนเดอร์แล้ว และการตัดสินใจว่าจะเก็บไว้หรือไม่ ไม่มีส่วนใดของมันทำงานในขณะที่คุณยังตัดสินใจอยู่ว่าจะขออะไร

Griffin ถูกสร้างขึ้นแบบกลับกัน มันเป็นระบบฟูลดูเพล็กซ์: เอนจิน Continuous Conversational Modeling ที่นำเข้าข้อมูลเสียงและวิดีโอ และประเมินบทสนทนาใหม่ทุกช่วงต่ำกว่าหนึ่งวินาที โดยตัดสินใจว่าจะเงียบไว้ ส่งสัญญาณ ตอบรับสั้น ๆ หรือขอขึ้นพูด และปล่อยการควบคุมที่แสดงอารมณ์ซึ่งขับเคลื่อนเครื่องสร้างเสียงพูดแบบสตรีมมิ่งและเครื่องสร้างวิดีโอแบบสตรีมมิ่งไปพร้อมกัน มันสร้างภาพ 720p ทีละช่วง 320 มิลลิวินาทีจากภาพถ่ายอ้างอิงเพียงภาพเดียว และข้ออ้างที่สำคัญคือ การตัดสินใจที่เกิดขึ้นกลางประโยคจะปรากฏในเสียงและใบหน้าภายในมินิเทิร์นเดียวกัน เกณฑ์มาตรฐานสำหรับสิ่งนี้ไม่ใช่ตารางอันดับของคลิป แต่คือคุณจะขัดจังหวะมันได้หรือไม่

พูดตรง ๆ: Wan 2.7 ตอบคำถามว่า "ฉากนี้ดูเป็นอย่างไรเมื่อเคลื่อนไหว?" Griffin ตอบว่า "ใบหน้าและเสียงนี้ควรทำอะไรใน 200 มิลลิวินาทีถัดไป เมื่อพิจารณาว่าบุคคลนั้นเพิ่งหยุดชั่วคราว"

ราคา ในด้านหนึ่งที่มีอยู่

อัตราที่ประกาศของ Wan 2.7 คิดเป็นต่อวินาทีของวิดีโอที่สร้างขึ้น และแต่ละระดับแพ็กเกจไม่เหมือนกันทั่วทั้งชุด ซึ่งเป็นรายละเอียดที่หน้าเปรียบเทียบส่วนใหญ่มองข้ามไป

• wan2.7-t2v และ wan2.7-i2v — คิดค่าบริการตามความยาวของผลลัพธ์เท่านั้น สิงคโปร์ (International): $0.10/วินาที ที่ 720p และ $0.15/วินาที ที่ 1080p ซึ่งคิดเป็นอัตรา $9.00/นาที ตามที่ปรากฏบนลีดเดอร์บอร์ด ปักกิ่งและโตเกียวระบุราคา $0.086/วินาที และ $0.143/วินาที สำหรับงานเดียวกัน

• wan2.7-r2v (อ้างอิงเป็นวิดีโอ) — คิดค่าบริการตามความยาวของวิดีโออินพุต โดยจำกัดไว้ไม่เกินห้าวินาที บวกกับเอาต์พุต หากป้อนข้อมูลอ้างอิงความยาว 5 วินาทีเข้าสู่การสร้างความยาว 15 วินาที คุณจะถูกคิดค่าบริการเป็น 20 วินาที

• wan2.7-videoedit — คิดค่าบริการเฉพาะผลลัพธ์เท่านั้น โดยวิดีโอต้นทางไม่มีค่าใช้จ่าย

ข้อเท็จจริงเกี่ยวกับวงจรชีวิตผลิตภัณฑ์สองข้อควรอยู่ข้าง ๆ ตัวเลขเหล่านั้น Alibaba ให้ส่วนลดเปิดตัว 30% แบบจำกัดเวลากับแพลตฟอร์ม Bailian และ Qwen Cloud ของตัวเอง โดยมีผลถึงวันที่ 23 กันยายน 2026 ซึ่งตอนนี้ผ่านไปแล้ว และประกาศเลิกให้บริการ Model Studio ของ Alibaba Cloud (ID 118434) จะทำให้โมเดลรุ่นเก่าหลายรุ่นออฟไลน์ในวันที่ 10 ตุลาคม 2026 รวมถึง wan2.7-r2v และ wan2.7-image นั่นเป็นระดับรุ่นย่อย มากกว่าการปลดระวางทั้งเจเนอเรชัน — wan2.7-t2v และ wan2.7-i2v ยังคงอยู่ในรายการพร้อมราคาที่ใช้งานอยู่ และหน้าเว็บอัปเดตล่าสุดเมื่อวันที่ 11 กันยายน — แต่ถ้า reference-to-video คือเหตุผลที่คุณดู 2.7 เส้นทางนั้นมีกำหนดวันที่กำกับอยู่แล้ว

การเปรียบเทียบกับ Griffin มีหนึ่งบรรทัดที่ตรงไปตรงมา: ไม่มีราคาที่จะนำมาเทียบกับของ Wan 2.7 ได้ เพราะ Tavus ไม่ได้เปิดเผยราคาใด ๆ Griffin-Lite ไม่ได้อยู่บนแพลตฟอร์มของ Tavus ประกาศระบุว่าจะไม่พร้อมให้ลูกค้าใช้งานในขณะนี้ และประโยคปิดท้ายของบริษัทเองก็คือ Griffin จะมาเมื่อพวกเขาหาวิธีเปิดตัวอย่างปลอดภัยได้แล้ว ไม่มีอัตราคิดค่าบริการต่อวินาที ไม่มีอัตราต่อคำขอ ไม่มีระดับฟรี ไม่มีระดับองค์กร ใครก็ตามที่อ้างราคาของ Griffin กำลังกุเรื่องขึ้นมา

คะแนนคุณภาพ: สองบอร์ดที่ไม่ผ่าน

โมเดลทั้งสองได้รับการให้คะแนนบนเครื่องมือที่แตกต่างกันโดยสิ้นเชิง นั่นจึงเป็นเหตุผลว่าทำไมจึงไม่มีการเปรียบเทียบ Elo ระหว่างทั้งสอง

Wan 2.7 มีสองรายการบนวิดีโออารีนาของ Artificial Analysis และทั้งสองไม่ได้อยู่ตำแหน่งเดียวกัน — ซึ่งนั่นคือกับดักของการอ้างตัวเลขเพียงตัวเดียวสำหรับมัน Elo ที่นั่นได้มาจากคะแนนโหวตความชอบของมนุษย์แบบจับคู่โดยไม่เห็นข้อมูล ซึ่งเป็นวิธีวิทยาที่สร้างมาสำหรับคลิปสั้นที่สร้างขึ้น และค่าที่อ่านได้ทั้งสองรายการด้านล่างนี้มาจากกระดานจัดอันดับที่อ่าน ณ วันที่ 2 ตุลาคม 2026

• Wan2.7-260612 (บิลด์เดือนมิถุนายน) ในงานแปลงข้อความเป็นวิดีโอ (พร้อมเสียง) — อันดับที่ 13–14, Elo 1,032 (±10) จาก 4,645 โหวต, $9.00/นาที

• Wan 2.7 (บิลด์เดือนเมษายน) ในหมวด image-to-video (พร้อมเสียง) — อันดับ 12 จาก 34, Elo 1,077 จาก 4,571 โหวต, $9.00/นาที, บอร์ดที่มียอดโหวตใกล้เคียงกันแต่จัดอันดับให้สูงกว่าอย่างมีนัยสำคัญ

• Wan 3.0 รุ่นน้องที่ใหม่กว่า — อยู่อันดับ 1 ด้วย Elo 1,157 ในด้านการสร้างวิดีโอจากข้อความ และอันดับ 6 ด้วย 1,164 ในด้านการสร้างวิดีโอจากภาพ ทั้งคู่ราคา $12.00/นาที นั่นคือตัวเลขที่ควรรู้ก่อนคุณจะเปรียบเทียบ Wan 2.7 กับสิ่งใด: รุ่นถัดไปของ Alibaba เองคือผู้ครองอันดับหัวตาราง ส่วน 2.7 เป็นรุ่นระดับกลางตาราง

Griffin อยู่บน VideoFDB ของ NVIDIA ซึ่งเป็นเบนช์มาร์กสำหรับการสนทนาแบบเสียง-ภาพแบบฟูลดูเพล็กซ์ ที่ NVIDIA สร้างและให้คะแนนอย่างเป็นอิสระในเดือนกันยายน 2026 โดยใช้โมเดลภาษาทำหน้าที่ผู้ตัดสินเทียบกับรูบริกตั้งแต่ศูนย์ถึงห้า Griffin-Lite ทำคะแนนได้ 3.83 ในแทร็กการสร้าง เทียบกับค่าอ้างอิงจากมนุษย์ที่ 3.92 และ 2.80 สำหรับระบบที่เผยแพร่แล้วซึ่งได้สูงสุดเป็นอันดับถัดไป และ 3.73 ในแทร็กการรับรู้ เทียบกับค่าอ้างอิงจากมนุษย์ที่ 4.20 Tavus ยังรายงานความหน่วงจริงจากเสียงเป็นวิดีโอ 0.43 วินาทีสำหรับตัวสร้าง เมื่อเทียบกับเบสไลน์ diffusion แบบสตรีมมิ่งที่เผยแพร่แล้วสี่รายการบน H100s

ตัวเลขทั้งสองชุดล้วนถูกต้องตามหลัก และไม่มีชุดใดเทียบเคียงข้ามบริบทกันได้ Elo บนอารีนาคือจำนวนคะแนนโหวตเกี่ยวกับความชอบคลิป ส่วน VideoFDB คือคะแนนรูบริกจากผู้ตัดสินเกี่ยวกับพฤติกรรมการสนทนา ไม่มีสะพานเชื่อมระหว่างทั้งสอง และกับดักตัวอย่างน้อยก็ทำงานในทางกลับกันเช่นกัน ช่วง ±10 ของอารีนาบน Wan 2.7 นั้นกว้างพอที่การจัดวางเทียบกับคู่แข่งข้างเคียงจะไม่ถูกกำหนดอย่างแน่ชัด และช่องว่างการสร้าง 0.09 คะแนนของ NVIDIA เทียบกับมนุษย์นั้นเล็กพอ บนรูบริกห้าคะแนน ที่การอ่านอย่างซื่อตรงคือ "ใกล้เคียงกับข้อมูลอ้างอิงของมนุษย์" ไม่ใช่ "อยู่ในระดับมนุษย์" การเปรียบเทียบการรับรู้ก็ไม่ได้เป็นการเทียบแบบเดียวกันเช่นกัน ระบบหลายตัวที่ Griffin ถูกจัดให้อยู่เหนือกว่า รวมถึง gpt-realtime ของ OpenAI และ MiniCPM-o 4.5 ถูกให้คะแนนในรูปแบบเสียงเท่านั้น ขณะที่ Griffin รับรู้วิดีโอได้ด้วย ส่วนหนึ่งของความนำ 0.29 คะแนนนั้นวัดจากการมีดวงตา

สิ่งที่แต่ละคนต้องการจากคุณ

นี่คือจุดที่การเปรียบเทียบมีประโยชน์ เพราะปัจจัยนำเข้าคือตัวผลิตภัณฑ์นั่นเอง

• อินพุต — Wan 2.7 รับข้อความ รูปภาพ วิดีโอ และเสียง ส่วน Griffin รับบุคคลแบบสดผ่านกล้องและไมโครโฟน และไม่สร้างคลิปตามคำขอเลย

• เอาต์พุต — Wan 2.7 สร้างไฟล์วิดีโอ ความยาว 2 ถึง 15 วินาทีต่อการสร้างหนึ่งครั้ง สูงสุด 1080p พร้อมเสียงในตัว Griffin สร้างบทสนทนาต่อเนื่อง: วิดีโอ 720p ที่ 25 fps เป็นช่วงละ 320 มิลลิวินาที สร้างแบบเรียลไทม์และเล่นไปพร้อมกับที่ถอดรหัส

• อะไรเป็นตัวกำกับ — Wan 2.7 ถูกกำกับด้วยพรอมต์ และด้วยภาพตัวแบบไม่เกินห้าภาพกับคลิปอ้างอิงห้าคลิป ภายในเพดานสิบแอสเซตอ้างอิงต่อหนึ่งคำขอ Griffin ถูกกำกับด้วยสิ่งที่บุคคลนั้นทำ เช่น การหยุดชั่วคราว การละสายตา การทำท่าทาง การขัดจังหวะ

• ขอบเขตเวลา — หน่วยการทำงานของ Wan 2.7 คือคลิปความยาวไม่เกินสิบห้าวินาที ซึ่งคุณจะนำมาประกอบเข้าด้วยกัน หน่วยการทำงานของ Griffin คือบทสนทนา ซึ่งเป็นเหตุผลว่าทำไมสถาปัตยกรรมจึงต้องแก้ปัญหา drift — การกลั่นสามขั้นตอนลงสู่เครื่องกำเนิดแบบ autoregressive ที่ฝึกบนประวัติที่มันสร้างขึ้นเอง เพื่อให้การโรลเอาต์ยาว ๆ ยังคงเสถียร — แทนที่จะมุ่งดิ้นรนเพื่อการสร้างครั้งเดียวที่ยาวขึ้น

• คอนเทนเนอร์เอาต์พุต — Wan 2.7 ส่งคืนไฟล์ที่คุณเป็นเจ้าของและสามารถแก้ไข ปรับเกรดสี และเผยแพร่ได้ ส่วน Griffin ส่งคืนเซสชันที่เรนเดอร์แล้ว ไม่มีไฟล์ให้แก้ไข เพราะพิกเซลถูกสร้างขึ้นทีละชังก์จากภาพอ้างอิงและประวัติของโมเดลเอง โดยพื้นหลัง เงา และเก้าอี้ที่บุคคลนั้นนั่งอยู่เป็นส่วนหนึ่งของการสร้าง

ความแตกต่างเชิงโครงสร้างประการหนึ่งที่ควรกล่าวถึง: ต้นทุนของ Wan 2.7 แปรผันตามระยะเวลาของเอาต์พุต และคุณภาพของมันแปรผันตามความจำเพาะของพรอมป์ต์ของคุณ ต้นทุนของ Griffin ยังไม่ได้ถูกวัด และคุณภาพของมันแปรผันตามความเป็นธรรมชาติของคนที่อยู่อีกฝั่งหนึ่ง คุณสามารถปรับปรุงอันแรกให้ดีขึ้นได้ด้วยการเขียนบรีฟให้ดีขึ้น ส่วนอีกอันทำได้เพียงใช้มันกับคนจริง ๆ เท่านั้น

การอ้างอิงและความสอดคล้อง จุดที่สองดีไซน์ปะทะกัน

Wan 2.7 ควบคุมความสม่ำเสมอของตัวแบบผ่านเรฟเฟอเรนซ์ที่ให้มา: ภาพตัวแบบห้าภาพ คลิปอ้างอิงห้าคลิป รวมเป็นแอสเซ็ตทั้งหมดสิบรายการ เป็นแนวทางแบบการถ่ายภาพ — คุณแสดงให้มันเห็นว่าตัวแบบมีหน้าตาอย่างไร แล้วมันจะคงรูปลักษณ์นั้นไว้ตลอดการสร้าง

Griffin ควบคุมสิ่งเดียวกันด้วยวิธีที่ตรงกันข้าม มันสร้างทุกพิกเซลในทุกเฟรมจากภาพอ้างอิงเพียงภาพเดียวแบบเรียลไทม์ และคำประกาศก็ระบุอย่างชัดเจนว่ามันควบคุมฉากทั้งหมด ไม่ใช่แค่ใบหน้า: แขนและนิ้ว การเคลื่อนไหวของเก้าอี้ เงาที่ทอดออกไป และฉากหลังที่อยู่ด้านหลัง ความสอดคล้องในกรณีนี้ทำได้โดยทำให้สภาพแวดล้อมเป็นเป้าหมายในการสร้าง แทนที่จะเป็นเพลตที่คอมโพสิตแล้ว

ไม่มีวิธีใดดีกว่ากันอย่างชัดเจน และทั้งสองวิธีล้มเหลวต่างกัน การสร้างแบบอิงเงื่อนไขอ้างอิงล้มเหลวโดยค่อย ๆ เบี่ยงเบนไปจากตัวแบบที่ให้มาในคลิปยาว การสร้างทีละช่วงด้วยประวัติแบบออโต้รีเกรสซีฟล้มเหลวโดยเลื่อนไหลไปเรื่อย ๆ ในเซสชันยาว หากจัดการการเบี่ยงเบนผิดวิธี ซึ่งเป็นความล้มเหลวแบบเดียวกับที่ขั้นตอนดิสทิลเลชันขั้นที่สามมีไว้เพื่อป้องกัน Wan 2.7 เป็นตัวเลือกที่ปลอดภัยกว่าเมื่อผลงานที่ต้องส่งมอบคือบุคคลเฉพาะเจาะจงในลุคเฉพาะเจาะจง Griffin ไม่ได้แข่งขันในบรีฟนั้น

ความปลอดภัย แหล่งที่มา และท่าทีการเปิดตัว

Wan 2.7 ไม่มีระบบระบุแหล่งที่มาที่เปิดเผยต่อสาธารณะเทียบได้กับลายน้ำที่ยังคงอยู่แม้ผ่านการบีบอัด — ประกาศดังกล่าวระบุว่าคุณภาพเสียงและความแม่นยำของข้อความบนหน้าจอเป็นด้านที่ยังต้องพัฒนา ซึ่งเป็นข้อควรระวังด้านความเที่ยงตรงมากกว่าด้านความปลอดภัย

เรื่องราวด้านความปลอดภัยของ Griffin กลับตาลปัตร: เหตุผลที่ Tavus ระบุในการคงให้มันอยู่ในสถานะพรีวิว คือคุณสมบัติชุดเดียวกับที่ทำให้มันเป็นอินเทอร์เฟซที่ดีกว่าก็ทำให้มันโน้มน้าวใครสักคนได้ดีขึ้นว่ากำลังคุยกับมนุษย์อยู่ และตัวเลขก็สนับสนุนข้อกังวลนี้ ในการศึกษาสดของบริษัทเอง ผู้เข้าร่วม 26 จาก 54 คนเชื่อว่าคู่สนทนาของตนเป็นคนจริง เทียบกับ 1 จาก 41 คนบนสแต็กก่อนหน้าอย่าง Phoenix-4.5 / Raven-1 / Sparrow-2 ผู้เข้าร่วมที่สงสัยมักสงสัยภายในยี่สิบวินาทีแรก Tavus กล่าวว่าจำเป็นต้องทำงานด้าน alignment และ disclosure เพิ่มเติมก่อนเปิดตัว ว่ากำลังสร้างฟีเจอร์ disclosure และว่ากำลังทำงานร่วมกับองค์กรต่างๆ เกี่ยวกับการประเมินความปลอดภัย นั่นคือสิ่งที่มีเนื้อหาสาระมากที่สุดเท่าที่มีใครเผยแพร่เกี่ยวกับโมเดลนี้ และนั่นก็เป็นเหตุผลว่าทำไมจึงไม่มีผลิตภัณฑ์ให้ซื้อ

สำหรับใครก็ตามที่เปรียบเทียบทั้งสองในฐานะเครื่องมือ ผลในทางปฏิบัติก็ง่ายมาก: ตัวหนึ่งสามารถสร้างได้ตามต้องการและส่งมอบได้ทันทีในวันนี้ ส่วนอีกตัวหนึ่งเป็นเป้าหมายสำหรับการประเมินที่การเปิดตัวถูกผูกเงื่อนไขไว้กับปัญหาที่ผู้ขายยังไม่ได้แก้ไข

อันไหน เพื่ออะไร

• เลือก Wan 2.7 หากสิ่งที่ต้องส่งมอบคือฟุตเทจ การแก้ไขวัสดุที่มีอยู่ตามคำสั่งเป็นภาระงานที่มันแข็งแกร่งเป็นพิเศษและราคาถูกเป็นพิเศษ เพราะตัวแปรสำหรับการแก้ไขคิดค่าบริการเฉพาะเอาต์พุตเท่านั้น และถือว่าฟุตเทจอินพุตนั้นฟรี ตัวแปร reference-to-video ของมันควรค่าแก่การตรวจสอบกับกำหนดการยุติในวันที่ 10 ตุลาคม ก่อนที่คุณจะตัดสินใจใช้

• อย่าเลือก Griffin สำหรับสิ่งใดในไตรมาสนี้ เพราะคุณทำไม่ได้ ขอสิทธิ์การเข้าถึงหากคุณจำเป็นต้องรู้ว่าบุคคลหนึ่งสามารถบอกได้หรือไม่ หรือหากโรดแมปของคุณขึ้นอยู่กับเลเยอร์การโต้ตอบมากกว่าเลเยอร์ฟุตเทจ

• จับตาช่องว่าง ไม่ใช่โมเดลใดโมเดลหนึ่ง การมาถึงของ Griffin ทำให้การเปรียบเทียบที่น่าสนใจยิ่งขึ้นกลายเป็นเรื่องของอนาคต: ระบบที่สร้างบทสนทนาทั้งหมด เทียบกับชุดที่สร้างฉากทั้งหมด ผลิตภัณฑ์แรกที่ทำได้ทั้งสองอย่างจะเป็นสิ่งที่คุ้มค่าที่จะย้อนกลับมาอ่านข้อความนี้โดยเทียบกับมัน

จุดที่เราเตอร์เหมาะ และจุดที่มันไม่เหมาะ

โมเดลทั้งสองนี้ไม่มีอยู่ในแคตตาล็อกของ OrcaRouter และนั่นเป็นสิ่งที่ควรกล่าวไว้ก่อนสิ่งอื่นใดในส่วนนี้ Wan 2.7 สามารถเข้าถึงได้ผ่านแพลตฟอร์มของ Alibaba เอง — Model Studio บน Alibaba Cloud และ Qwen Cloud — และผ่านเครื่องมือสร้างสรรค์ของบุคคลที่สามที่ผสานรวมโมเดลนี้หลังการเปิดตัว ส่วน Tavus Griffin สามารถเข้าถึงได้ผ่านแบบฟอร์มขอใช้เท่านั้น หากโมเดลใดโมเดลหนึ่งกลายเป็นโมเดลที่สามารถจัดเส้นทางได้ โมเดลนั้นจะปรากฏในราคาตามรายการของผู้ให้บริการ

ส่วนของไปป์ไลน์วิดีโอที่เป็นปัญหาด้านการกำหนดเส้นทางคือข้อความที่อยู่รอบ ๆ มัน รายการช็อต การขยายพรอมป์ต์ การสร้างแคปชัน สรุปการตรวจสอบคุณภาพ และงานถอดเสียงหรือบทสนทนาที่ป้อนเข้าสู่รอบอ้างอิงเป็นวิดีโอ ล้วนเป็นการเรียกข้อความ และสิ่งเหล่านั้นทำงานบนปลายทางที่เข้ากันได้กับ OpenAI เดียวกันที่ OrcaRouter เช่นเดียวกับโมเดลอื่นอีก 200+ โมเดลในราคาตามรายการของผู้ให้บริการโดยบวกส่วนเพิ่ม 0% ดังนั้นการลดราคาของผู้ขายจึงมีผลในวันเดียวกัน แทนที่จะต้องรอหลังรอบสัญญา การแยกโมเดลราคาถูกไปใช้กับรอบประมวลผลจำนวนมาก และโมเดลระดับแนวหน้าไปใช้กับรอบสุดท้าย เป็นเพียงการเปลี่ยนแปลงการตั้งค่าที่นั่น แทนที่จะเป็นความสัมพันธ์กับผู้ขายรายที่สอง — ซึ่งเป็นข้อโต้แย้งเดียวกันกับที่ใช้ได้กับเลเยอร์การสร้าง เมื่อเลเยอร์การสร้างเป็นสิ่งที่คุณเรียกใช้ได้

สิ่งที่ต้องจับตา: ว่า variant ประเภท reference และ editing ของชุด Wan 2.7 จะยังคงอยู่หลังการปลดระวาง Model Studio ในวันที่ 10 ตุลาคม โดยไม่เปลี่ยนแปลงหรือไม่ และว่า safety gate ของ Griffin จะสร้าง model card ที่เผยแพร่โดยมี endpoint อยู่บนนั้นหรือไม่ สองเหตุการณ์นั้นคือสิ่งที่ทำให้การเปรียบเทียบนี้เปลี่ยนจากบทความเชิงออกแบบไปสู่การตัดสินใจจัดซื้อ