Tavus Griffin 与 Runway Gen-4.5：对话与渲染是两笔不同的账

把 Tavus Griffin 和 Runway Gen-4.5 摆在一起，你首先注意到的，是它们并不共用同一种计量单位。Griffin 由 Tavus 于 2026 年 10 月作为研究预览版发布，是一个人类交互模型——一套视频到视频系统，能进行实时的面对面交谈，并在通话进行过程中生成另一方的面容和声音。Runway Gen-4.5 则于 2025 年 12 月 1 日发布，并从 12 月 12 日起向付费订阅用户开放，是一款文本生成视频和图像生成视频的生成器，按其所渲染画面的秒数向你收费。前者按轮次出售，后者按秒出售，而唯一诚实的比较方式，就是意识到 Griffin 的一分钟与 Gen-4.5 的一分钟，并不是同一分钟。

两个朝相反方向运行的时钟

Gen-4.5 已在付费用户手中使用了将近一年。它能根据文本提示或静态图像生成两到十秒的片段，分辨率为 720p，帧率为每秒 24 或 25 帧，支持六种宽高比。它没有音轨，没有多镜头分镜，也没有对话——它是一个渲染引擎，而且是一个纪律严明的渲染引擎。它的 API 是异步的，对于一项耗时超出请求应有长度的任务来说，这正是恰当的形态。Runway 自家的 API 除了提供自己的模型外，也提供第三方视频模型；而该公司还发布了一个世界模型 GWM-1，这说明了 Runway 认为真正有趣的问题在哪里：不在于进行对话，而在于对场景建模。

Griffin 指向的是另一个方向。Tavus 已发布架构中的每一个设计决策，关心的都是延迟而非保真度。Tavec 编解码器以 48 kHz 运行，每帧 40 个值、每秒 100 帧，不使用码本，采用完全因果的解码器，数据包小至 10 毫秒。视频路径以 320 毫秒为块输出 720p，其中一个潜变量覆盖 25 fps 下的八帧，每个潜变量需要三次扩散步骤。在 H100s 上，音频到视频的延迟平均为 0.43 秒，Tavus 称这大约是其测得的第二快方法的一半。该技术栈中没有任何部分试图渲染出优美的十秒钟。其中一切都试图及时渲染出接下来的 320 毫秒。

所以，规格比较是真实的，但它不是记分牌：

• 计费单位 —— Runway Gen-4.5 按输出秒数计费，按下生成之前你就能知道费用。Griffin 则完全没有公布价格，因为它没有公开的产品。

• 片段长度 — Gen-4.5 可生成两到十秒的片段；Griffin 的时长与通话时长一致。

• 分辨率与帧率 — Gen-4.5 以 24 或 25 fps 渲染 720p；Griffin 则以 320 毫秒的分块流式传输 720p、25 fps 的画面。

• 音频 — Gen-4.5 不生成音轨；Griffin 可同时生成语音和视频，并能根据约 10 秒的样本克隆声音。

• 交互性 — Gen-4.5 采用单向异步请求；Griffin 为全双工，可在话语中途被打断。

• 动态与调色附加项 — Gen-4.5 以每秒 5 积分的附加费用提供 ProRes 和 PNG 导出，HDR 则为每秒 20 积分，当分辨率高于约四百万像素时升至 40；Griffin 没有对应项，因为它不导出文件。

• 可用性 — Gen-4.5 自 2025 年 12 月 12 日起已向付费订阅用户开放；Griffin 正面向选定测试者进行研究预览，Tavus 表示其暂不面向客户使用。

用直白的数字解读 Gen-4.5 法案

Runway 将 Gen-4.5 定价为每生成一秒视频 12 个积分。按每个积分一美分的标准价格计算，这相当于每秒 0.12 美元，如果能连续生成的话，一分钟素材大约要 7.20 美元——但你做不到，因为该模型最长只有十秒，所以一分钟意味着要把六次或更多次独立生成拼接在一起，并承受由此带来的各种连续性错误。ProRes 和 PNG 输出每秒加收 5 个积分，HDR 每秒加收 20 个积分，在超过约四百万像素时升至 40 个积分。API 积分与应用订阅积分分开计费，这个细节会让那些先在网页应用中做原型、随后转向 API 的团队措手不及。

Gen-4.5 是通过哪里访问到的，这一点也很重要。它可通过 Runway 自己的 API 以及多个第三方平台获取。它并非 OrcaRouter 的一条路由——我们并不托管它，也不会暗示你可以在这里获取它。

Griffin 要花多少钱，以及为什么那是个错误的问题

Tavus Griffin 尚无定价。Tavus 的发布材料称，研究预览版 Griffin-Lite 今日面向一组精选的早期测试者开放，更强大的模型随后将更大范围发布，Griffin-Lite 目前不供客户使用，而 Griffin 尚未登陆 Tavus 平台——一旦公司弄清楚如何安全发布它，它就会推出。

那段话承担了很多解释工作。它意味着，本文中的对比并不是一项采购决策，而且在 Tavus 公布价格之前也不可能成为采购决策。它还意味着，对于一个大多数供应商都会以带有“联系销售”按钮的产品页面来发布的结果，Tavus 却表现得异常直接。

Griffin 确实发布的是关于行为表现的证据。在与伦敦玛丽女王大学合作开展的一项研究中，54 名参与者中有 26 人——48%——在一分钟视频通话后相信 Griffin 是真人，而 Tavus 此前由 Phoenix-4.5、Sparrow-2 和 Raven-1 组成的方案为 41 人中的 1 人（2.4%）。在 NVIDIA 的 VideoFDB 基准测试中，2026 年 9 月评分，Tavus 报告在面对面 AI 方面位列第一：生成得分 3.83，而最强已报告基线为 2.80，人类参考为 3.92；感知得分 3.73，而最佳已报告基线为 3.44，人类为 4.20；在感知方面，对十五个模型进行评估，任务目标达成率为 73.8%。这些是供应商报告的数据，依托于 NVIDIA 构建的基准测试，而且它们关乎对话，而非电影摄影。

不同的工作，直白地说明

如果你想要一个黄昏城市的镜头，并且摄像机运动与参考帧匹配，Gen-4.5 是一个确实存在的工具，今天就能做到，价格约为每秒十二美分。Griffin 在任何情况下都帮不了你，因为 Griffin 不接受提示词，也不返回文件。

如果你想要一张能倾听、会被打断，并且能在几分钟内保持对话连贯的脸，Gen-4.5 帮不上忙，因为它在请求发送后就不再接受输入。一段带有会说话头像的十秒短片并不是对话；它只是对话的视频，而这一区别正是 Tavus 所推销的。

两者的重合部分比“AI 视频”这一标签所暗示的要窄：两者都输出人物像素，并且都以 720p 和 25 fps 运行。除此之外的一切都不同，连发票上的单位都不一样。

为什么路由器恰好在这个位置很有用

最终同时需要这两类能力的团队，往往是以惨痛的方式才发现的——产品既想要一个生成的定场镜头又想要一个会说话的数字人，而这两者来自不同的供应商，带着不同的认证方式、不同的计费体系和不同的故障模式。这正是单一端点能体现价值的情形。OrcaRouter 用一个密钥承载两百多个模型，以0% 加价透传供应商的标价，因此供应商调价当天价目表上就会同步生效，同时在一条路由失败时改向健康的供应商重试，而不是把超时直接丢给你。路由 DSL 让你把低风险的草稿发往容量最便宜的地方，把任何面向客户的内容固定到特定供应商；模型融合则让你在昂贵的生成调用之前，先接一个便宜的文本模型来重写提示词，免得白白浪费那几秒钟。

准确地说，在这场对比中，它涵盖和不涵盖哪些内容：Gen-4.5 不是我们的路线之一，Griffin 也不是。目录的视频部分包括minimax/minimax-h3，这是 MiniMax 的全模态生成器，768P 输出每秒 0.08 美元，2K 每秒 0.13 美元——与 Runway 处于同一维度上的按秒计价，而且来自一个我们今天就能实际为你提供服务的模型。如果你需要的是生成的秒数，并且希望它们与其他所有内容合并在同一张账单上，这就是诚实的推荐。

该围绕哪一个来安排？

Gen-4.5 是安全得多的依赖选择，优势十分明显：自 2025 年 12 月起，它就已交到付费用户手中，其 API 有文档记录，积分有明确定价，而它的各项限制——十秒时长、无音频、无分镜——都是公开说明的，而非需要用户自行摸索发现。需要生成影像素材的团队，本周就能开始使用。

Griffin 是上限更高、下限更低的押注。它的 48% 和 0.43 秒的平均延迟所描述的是一种真正全新的东西，而 Tavus 至今拒绝出售它，这一事实说明的是这个东西本身的成熟度，而非一项营销决策。不要把它作为依赖项写进路线图；把它放进观察名单，等那条安全说明消失时再来看看。