Tavus Griffin vs Runway Gen-4.5: Hội thoại và kết xuất là hai hóa đơn khác nhau

Đặt Tavus Griffin và Runway Gen-4.5 cạnh nhau và điều đầu tiên bạn nhận ra là chúng không dùng chung một đơn vị đo lường. Griffin, được Tavus công bố vào tháng 10 năm 2026 dưới dạng bản xem trước nghiên cứu, là một Human Interaction Model — một hệ thống video-to-video duy trì cuộc trò chuyện trực tiếp mặt đối mặt và tạo ra khuôn mặt cùng giọng nói của người tham gia còn lại khi cuộc gọi đang diễn ra. Runway Gen-4.5, được công bố vào ngày 1 tháng 12 năm 2025 và triển khai cho các thuê bao trả phí từ ngày 12 tháng 12, là một trình tạo video từ văn bản và từ hình ảnh, tính phí bạn theo từng giây cảnh quay mà nó kết xuất. Một trong số chúng được bán theo lượt và cái kia theo giây, và cách trung thực duy nhất để so sánh chúng là nhận ra rằng một phút Griffin và một phút Gen-4.5 không phải là cùng một phút.

Hai chiếc đồng hồ chạy theo hai hướng ngược nhau

Gen-4.5 đã nằm trong tay những khách hàng trả phí trong phần lớn một năm qua. Nó tạo ra các clip dài từ hai đến mười giây từ một câu lệnh văn bản hoặc một ảnh tĩnh, ở 720p và 24 hoặc 25 khung hình mỗi giây, trên sáu tỷ lệ khung hình. Không có track âm thanh, không có dựng storyboard nhiều cảnh quay, và không có đối thoại — nó là một engine kết xuất, và là một engine có tính kỷ luật. API của nó là bất đồng bộ, đúng là dạng thức phù hợp cho một công việc kéo dài lâu hơn mức một yêu cầu nên kéo dài. API riêng của Runway cũng phục vụ các mô hình video của bên thứ ba song song với các mô hình của chính hãng, và công ty cung cấp một mô hình thế giới, GWM-1, thứ cho bạn biết Runway nghĩ vấn đề thú vị nằm ở đâu: không phải ở việc duy trì một cuộc trò chuyện, mà ở việc mô hình hóa một cảnh.

Griffin lại chỉ về hướng ngược lại. Mọi quyết định thiết kế trong kiến trúc đã công bố của Tavus đều hướng đến độ trễ chứ không phải độ trung thực. Codec Tavec chạy ở 48 kHz với 40 giá trị mỗi khung hình ở 100 khung hình mỗi giây, không dùng codebook, bộ giải mã hoàn toàn nhân quả và các gói nhỏ đến 10 mili giây. Đường video phát 720p theo từng khối 320 mili giây, trong đó một latent bao phủ tám khung hình ở 25 fps và mỗi latent tiêu tốn ba bước diffusion. Độ trễ từ âm thanh sang video trung bình là 0,43 giây trên H100s, mà Tavus nói rằng chỉ bằng khoảng một nửa so với phương pháp nhanh thứ hai mà họ đo được. Không có gì trong ngăn xếp đó đang cố kết xuất mười giây tuyệt đẹp. Mọi thứ trong đó đều đang cố kết xuất 320 mili giây tiếp theo cho kịp thời gian.

Vậy nên, việc so sánh thông số kỹ thuật là có thật, nhưng nó không phải là một bảng điểm:

• Đơn vị tính phí — Runway Gen-4.5 được tính phí theo số giây đầu ra; bạn biết chi phí của mình trước khi nhấn tạo. Griffin hoàn toàn không có mức giá nào được công bố, vì nó không có sản phẩm công khai.

• Độ dài clip — Gen-4.5 tạo ra từ hai đến mười giây; Griffin chạy trong suốt thời gian cuộc gọi diễn ra.

• Độ phân giải và tốc độ khung hình — Gen-4.5 kết xuất 720p ở 24 hoặc 25 fps; Griffin truyền phát 720p ở 25 fps theo từng khối 320 mili giây.

• Âm thanh — Gen-4.5 không tạo ra bản âm thanh nào; Griffin tạo giọng nói và video cùng nhau và nhân bản giọng nói từ một mẫu dài khoảng 10 giây.

• Tính tương tác — Gen-4.5 là yêu cầu bất đồng bộ một chiều; Griffin là song công toàn phần và có thể bị ngắt giữa lời nói.

• Tính năng bổ sung về chuyển động và chỉnh màu — Gen-4.5 cung cấp khả năng xuất ProRes và PNG với phụ phí 5 credit mỗi giây và HDR ở mức 20 credit mỗi giây, tăng lên 40 khi vượt khoảng bốn megapixel; Griffin không có tính năng tương đương vì nó không xuất tệp.

• Tính khả dụng — Gen-4.5 đã chính thức hoạt động cho các thuê bao trả phí kể từ ngày 12 tháng 12 năm 2025; Griffin đang trong giai đoạn xem trước nghiên cứu dành cho một số người thử nghiệm được chọn và Tavus cho biết nó chưa có sẵn để khách hàng sử dụng.

Dự luật Gen-4.5, qua những con số cụ thể

Runway định giá Gen-4.5 ở mức 12 credit cho mỗi giây video được tạo ra. Với mức tiêu chuẩn một xu mỗi credit, con số này tương đương $0.12 mỗi giây, hay khoảng $7.20 cho một phút footage hoàn chỉnh nếu bạn có thể tạo liên tục — điều mà bạn không thể làm được, vì mô hình giới hạn ở mười giây, nên một phút đồng nghĩa với sáu lần tạo riêng biệt trở lên được ghép lại với nhau cùng với những lỗi liên tục ngụ ý từ đó. Đầu ra ProRes và PNG cộng thêm 5 credit mỗi giây, và HDR cộng thêm 20 credit mỗi giây, tăng lên 40 khi vượt khoảng bốn megapixel. Credit API được tính phí riêng với credit thuê bao ứng dụng, một chi tiết khiến các đội nhóm bị bất ngờ khi họ tạo nguyên mẫu trong ứng dụng web rồi sau đó chuyển sang API.

Việc Gen-4.5 được truy cập ở đâu cũng quan trọng. Nó có sẵn thông qua API riêng của Runway và thông qua một số nền tảng bên thứ ba. Đây không phải là một tuyến OrcaRouter — chúng tôi không lưu trữ nó, và chúng tôi sẽ không gợi ý rằng bạn có thể lấy nó ở đây.

Griffin tốn bao nhiêu, và tại sao đó lại là câu hỏi sai

Không có mức giá nào cho Tavus Griffin. Tài liệu công bố của Tavus nêu rằng Griffin-Lite, bản xem trước nghiên cứu, sẽ có mặt ngay hôm nay cho một nhóm được chọn gồm những người thử nghiệm sớm, rằng một đợt phát hành rộng rãi hơn của một mô hình mạnh mẽ hơn sẽ diễn ra sau đó, rằng Griffin-Lite sẽ không khả dụng để khách hàng sử dụng vào thời điểm này, và rằng Griffin hiện chưa có trên nền tảng Tavus — nó sẽ ra mắt khi công ty đã tìm ra cách phát hành nó một cách an toàn.

Đoạn văn đó đang gánh vác rất nhiều thứ. Nó có nghĩa là so sánh trong bài viết này không phải là một quyết định thu mua, và không thể trở thành một quyết định như vậy cho đến khi Tavus đưa ra mức giá. Nó cũng có nghĩa là Tavus đang đặc biệt thẳng thắn về một kết quả mà hầu hết các nhà cung cấp sẽ tung ra dưới dạng một trang sản phẩm với nút “liên hệ kinh doanh”.

Điều mà Griffin thực sự công bố là bằng chứng về hành vi. Trong một nghiên cứu được thực hiện với Đại học Queen Mary London, 26 trong số 54 người tham gia — 48% — tin Griffin là người thật sau một cuộc gọi video một phút, so với 1 trong 41 (2,4%) đối với bộ Phoenix-4.5, Sparrow-2 và Raven-1 trước đó của Tavus. Trên benchmark VideoFDB của NVIDIA, được chấm điểm vào tháng 9 năm 2026, Tavus báo cáo vị trí thứ nhất về AI mặt đối mặt: khả năng tạo đạt 3,83, so với 2,80 của baseline mạnh nhất được báo cáo và 3,92 của tham chiếu con người; nhận thức đạt 3,73, so với 3,44 của baseline tốt nhất được báo cáo và 4,20 của con người, với tỷ lệ đạt mục tiêu nhiệm vụ 73,8% ở phía nhận thức trên mười lăm mô hình được đánh giá. Đó là những con số do nhà cung cấp tự báo cáo, dựa trên một benchmark do NVIDIA xây dựng, và chúng nói về hội thoại, không phải kỹ thuật điện ảnh.

Các công việc khác nhau, được nói rõ ràng

Nếu bạn muốn có một cảnh quay thành phố lúc hoàng hôn với chuyển động máy quay khớp với một khung tham chiếu, Gen-4.5 là một công cụ tồn tại và có thể làm điều đó ngay hôm nay với khoảng mười hai xu mỗi giây. Không có tình huống nào mà Griffin giúp được bạn, vì Griffin không nhận lời nhắc và không trả về tệp.

Nếu bạn muốn một khuôn mặt biết lắng nghe, bị ngắt lời và vẫn giữ cho cuộc trò chuyện mạch lạc trong vài phút, thì Gen-4.5 không thể giúp được, vì nó không nhận đầu vào sau khi yêu cầu được gửi đi. Một clip dài mười giây có một người đang nói không phải là một cuộc trò chuyện; đó là một video về một cuộc trò chuyện, và sự khác biệt này chính xác là điều mà Tavus đang bán.

Điểm trùng lặp hẹp hơn so với những gì nhãn "AI video" gợi ý: cả hai đều xuất ra pixel của một người, và cả hai đều chạy ở 720p và 25 fps. Mọi thứ trên mức đó đều khác, kể cả đơn vị trên hóa đơn.

Tại sao bộ định tuyến lại hữu ích đúng ở vị trí này

Các đội ngũ rốt cuộc cần cả hai thường phát hiện điều đó theo cách chẳng dễ dàng gì — một sản phẩm muốn có cảnh mở đầu (establishing shot) được tạo sinh và một avatar biết nói, và cả hai đến từ những nhà cung cấp khác nhau với hệ thống xác thực khác nhau, hệ thống tín dụng khác nhau và những kiểu lỗi khác nhau. Đây chính là trường hợp mà một endpoint duy nhất chứng minh được giá trị của mình. OrcaRouter mang theo hơn hai trăm mô hình phía sau một khóa duy nhất, chuyển nguyên giá niêm yết của nhà cung cấp với mức markup 0% nên khi nhà cung cấp đổi giá thì giá trên bảng được cập nhật ngay trong cùng ngày, và thử lại với một nhà cung cấp đang khỏe mạnh khi một tuyến gặp lỗi thay vì trả cho bạn một lỗi timeout. Một DSL định tuyến cho phép bạn gửi những bản nháp ít quan trọng đến nơi có dung lượng rẻ nhất và ghim mọi thứ hướng tới khách hàng vào một nhà cung cấp cụ thể, còn model fusion cho phép bạn đặt một mô hình văn bản rẻ tiền trước một lệnh gọi tạo sinh đắt đỏ để viết lại prompt trước khi bạn phải tiêu tốn số giây đó.

Nói chính xác về những gì điều đó bao gồm và không bao gồm trong so sánh đối đầu này: Gen-4.5 không phải là một trong các tuyến của chúng tôi, và Griffin cũng không. Phần video của danh mục bao gồm minimax/minimax-h3, trình tạo omni-modal của MiniMax, với giá $0.08 mỗi giây đầu ra ở 768P và $0.13 mỗi giây ở 2K — một mức giá theo giây trên cùng trục với giá của Runway, từ một mô hình mà chúng tôi thực sự có thể phục vụ bạn ngay hôm nay. Đó là khuyến nghị trung thực nếu thứ bạn cần là số giây được tạo và bạn muốn chúng trên cùng một hóa đơn với mọi thứ khác.

Lên kế hoạch dựa trên cái nào?

Gen-4.5 là lựa chọn phụ thuộc an toàn hơn hẳn: nó đã nằm trong tay khách hàng trả tiền từ tháng 12 năm 2025, API của nó đã được ghi tài liệu, credit của nó đã được định giá, và các giới hạn — mười giây, không âm thanh, không storyboard — được công bố thay vì để người dùng tự phát hiện. Một đội nhóm cần cảnh quay được tạo có thể bắt đầu ngay trong tuần này.

Griffin là canh bạc có trần cao hơn với mức sàn thấp hơn. Con số 48% và độ trễ trung bình 0,43 giây của nó mô tả một thứ thực sự mới, và việc Tavus vẫn từ chối bán nó là tín hiệu về độ chín muồi của thứ đó chứ không phải một quyết định tiếp thị. Đừng đưa nó vào lộ trình như một mục phụ thuộc; hãy đưa nó vào danh sách theo dõi và kiểm tra lại khi ghi chú an toàn biến mất.