Tavus Griffin 對決 Kling 3：即時對話對上十秒短片

這場對決的真實輪廓，是一種路由上的不對稱。Kling 3是一個可呼叫的模型，有價格、有參數介面，也在我們自家目錄中佔有一筆；Tavus Griffin則是研究預覽版，僅限特定受信任的測試者透過申請表單取用，於 2026 年 10 月 1 日發表，沒有識別碼、沒有端點，也沒有公開費率。Kling 3.0 在 OrcaRouter 目錄中以kling/kling-v3的名義收錄，定價為每次請求 $0.084，供應商標價原樣轉嫁，未加收任何費用。Griffin 無法透過路由取用，而這並不是因為還沒有人抽空去做——一個即時全雙工的工作階段，模型一邊聆聽、一邊以 320 毫秒為單位生成 720p 畫面，這並不是請求—回應式的呼叫，即使 Tavus 明天就大開方便之門，它也套不進同樣的形式。所以這不是買方能靠價格來決斷的比較。它比較的是兩個答案，針對「生成的人類究竟是為了什麼」這個問題。

Kling 3.0 究竟是什麼

Kling 3.0 於 2026 年 2 月 5 日推出，為一個包含四款模型的系列——Video 3.0、Video 3.0 Omni、Image 3.0 與 Image 3.0 Omni。其標誌性功能是自動多鏡頭編排：模型會自行規劃鏡頭轉換，而自訂模式可讓你設定鏡頭數量與每個鏡頭的時長，評論者回報，單一提示詞即可產出多達約六個不同鏡頭的可用序列，且每個鏡頭都能指定鏡頭尺寸、攝影機運動與敘事節拍。每次生成的時間上限為 15 秒，下限為 3 秒。在 OrcaRouter 方面，它以旗艦級文字轉影片與圖像轉影片模型的形式登場，具備多鏡頭、主體與動態控制、3 至 15 秒的片段，並宣稱最高可達原生 4K，透過 POST /v1/video/generations 提供服務。

音訊是在同一道流程中原生生成的。快手版本支援中文、英文、日文、韓文與西班牙文，能處理單一片段中的多語混雜對話，在多角色場景中為每個角色綁定獨特嗓音，並提供地區口音——美式、英式與印度英文；東北、北京、台灣、粵語與四川中文。唇形同步一致性是獨立實測評測中最常被點名的單一弱點，有項測試回報大約每五段對話片段就有兩段需要重拍，而回報的瑕疵也集中在嘈雜環境中的對話，水聲與風聲背景會讓語音變得悶糊。

用一段話說明 Griffin 究竟是什麼

Griffin 並非具備對話模式的影片生成器。它是兩個同時運作的引擎。連續對話建模引擎（Continuous Conversational Modeling engine）會接收一個人的音訊與視訊，以不到一秒的間隔重新評估這段交流，並在每個間隔決定要維持沉默、發出訊號、附和回應，還是接過發言權——它輸出的是承載時間點、立場、面部表情與手勢的表現力控制訊號，而不只是詞語。音視覺生成引擎則把這些控制訊號同時化為聲音與像素：一個自迴歸擴散 transformer，從編碼的說話者前綴逐個潛在區塊生成語音；以及一個少步數自迴歸影片生成器，能從單一張參考照片，以 25 fps 生成每塊 320 毫秒的 720p 影片。這裡沒有提示詞、沒有片段長度，也沒有檔案。在音訊方面，它報告指出在 H100 上的真實音訊轉影片延遲為 0.43 秒，對比四個已發表的串流擴散基線，Tavus 形容這是次快方法的一半。

價格，以及單面表

Kling 3.0 的定價是本文中唯一一處，在比較的兩邊都有確切數字，而其中一邊卻是空的。

• Kling 3.0 在 OrcaRouter 上 — 每次請求 $0.084，供應商定價以 0% 加成直接傳遞，因此 Kuaishou 的費率變更或促銷降價會在同一天於此處生效，而不是等到合約週期之後。

• Kling 3.0 在獨立競技場上——於 2026 年 10 月 2 日讀取的文字轉影片（含音訊）排行榜，列出 1080p Pro 層級為每分鐘 $10.08，Omni 1080p Pro 層級為每分鐘 $8.40。同一排行榜對 Kling 3.0 的四個層級給出四種不同價格，因此「Kling 3.0 的價格」並非單一數字。

• Griffin — 無價格。Griffin-Lite 以研究預覽形式提供給部分精選的受信任測試者，並未上架 Tavus 平台，且其自身的公告表示目前不會開放供客戶使用。沒有可報價的每請求費率、每秒費率，也沒有免費方案，該模型只有在 Tavus 找出安全發布方式之後才會推出。

那就是整個價格部分；與其根據運算足跡憑空捏造出每秒估算，不如就讓它維持原樣，這才誠實。

這些計分板衡量的內容不同，且並不一致。

這兩個模型都是由其供應商以外的人，以無法相互比較的工具評分的。

Kling 3.0 名列 Artificial Analysis 的影片競技場，其中的 Elo 分數來自人類對短片進行的盲測成對偏好比較。同一天取得的兩份讀數卻說出不同的故事，而這正是值得點名的陷阱：在含音訊的文字轉影片排行榜上，Kling 各層級位居中段，但在含音訊的圖片轉影片排行榜上，它們的排名明顯更高——然而 Kling 各層級並非全都同時出現在這兩張榜上。只有 Pro 與 Omni Pro 1080p 版本有出現在文字榜上；720p Standard 層級僅在圖片轉影片上受評，別無其他。

• Kling 3.0 在文字轉影片（含音訊）中——1080p Pro 排名第 16，Elo 1,000，4,844 票，每分鐘 $10.08；Omni 1080p Pro 排名第 16，Elo 987，2,741 票，每分鐘 $6.90。兩者中較貴的層級得分反而較低，這與此排行榜上其他各處的層級差距所顯示的同樣「無結果」如出一轍。

• Kling 3.0 於圖片轉影片（含音訊）——1080p Pro 位居第 18 至第 20 名，Elo 1,055（±6），共獲 14,896 票，每分鐘 $20.16；720p Standard 位居第 18 至第 20 名，Elo 1,051（±6），共獲 14,692 票，每分鐘 $15.60；Omni 1080p Pro 位居第 21 至第 22 名，Elo 1,044（±8），共獲 2,945 票，每分鐘 $16.80；Omni 720p Standard 位居第 21 至第 24 名，Elo 1,036，每分鐘 $13.44。

解讀是：Kling 3.0 從外部提供的圖像起步時，比從文字起步時更強，而圖生影片榜單的票數是後者的三倍，因此它在該榜的排名是較為明確的。那也正是多數商業作品採用的模式。留意這四個等級能換得什麼：在圖生影片類別中，它們橫跨十六個 Elo 分，價格範圍從每分鐘 13.44 美元到 20.16 美元，而四者中最便宜的那個並非排名最低的。為 Kling 3.0 付更多錢，並不會讓它在這個榜單上往上爬。

Griffin 的分數來自 NVIDIA 的 VideoFDB，它會以兩條軌道為全雙工視聽對話評分，並由 NVIDIA 使用自家評審、依據公開的評分量表建置與執行。Griffin-Lite 在生成方面，於人類參考分數 3.92 之下拿到 5 分中的 3.83，並在次高已發表系統中拿到 2.80；在感知方面，於人類參考分數 4.20 之下拿到 3.73，接管率對齊為 62.8% 與 73.8%。那些數字完全無法說明一段片段在 1080p 下看起來是否正確，而 Kling 的 Elo 也無法說明一個模型能否在句子中途被打斷。對兩者唯一誠實的用法，就是把它們放在各自所屬的問題裡。

沒有人在衡量的落差：延遲與長度之對比

這裡存在一個真正的工程差異，是兩個排行榜都未能呈現的，而對於任何正在規劃產品的人而言，這正是這項比較中最有用的部分。

Kling 在有界生成中針對長度與結構進行最佳化：最長十五秒、最多約六個規劃鏡頭、可逐鏡頭控制。其成本隨輸出時長而增加，而品質則取決於提示的具體程度。當使用者還在說話時，它完全不會運行，而這並不是缺陷——而是這個類別的本質樣貌。

Griffin 在無界工作階段中針對延遲進行最佳化：320 毫秒的區塊、25 fps、每隔不到一秒就做出一次決策，沒有片段需要規劃，因為對話沒有結束。其成本，無論最終為何，都會隨對話時長而非渲染秒數增減；而其品質則取決於另一端的人有多自然，而非取決於簡報。將其進行三階段蒸餾、變成一個以自身歷史訓練的自迴歸生成器，之所以存在，正是因為這個架構的失效模式是長時間推演中的漂移，而非單一鏡頭不佳。

把這兩者並排放在一起看，實際後果就是它們會朝相反方向失敗。Kling 3.0 的失敗看得見，而且來得早——一段勉強可用的鏡頭，你可以花幾美分刪掉重新生成，重拍預算已內建在工作流程中。Griffin，如果它真如外界所述那樣運作，則會以看不見且延後的方式失敗，因為它不是它表面上看起來的樣子，而這正是 Tavus 扣住它的原因。

路由器真正有幫助的地方，以及沒有幫助的地方

Kling 3.0 已收錄於 OrcaRouter 目錄中，型號為 kling/kling-v3，每筆請求 $0.084，使用與 200+ 個其他模型相同的金鑰和相同的 OpenAI 相容端點。這與同時持有快手帳戶，以及為你的管線所需的任一文字模型另外做一套整合，有著實質差異：因為我們不會在供應商價格上加價，快手的價格調整當天就會在我們這邊生效；而如果上游供應商效能下降或進行速率限制，自動容錯移轉會在回應開始前先轉移請求，而不是向你的應用程式回傳錯誤。對於一次呼叫的成本可能超過一千次文字呼叫的影片管線來說，讓請求挺過上游出問題的一分鐘，比你不必支付的加價更有價值。

Griffin 不在我們的型錄中，也不在任何人的型錄中，而且不可能在——全雙工會話模型不是路由請求。唯有提交使用申請才能觸及它。Tavus 自己把有意開發者引向其較舊模型、而非 Griffin，這正是端倪：那三個前代模型支撐著 150,000 名開發者和企業已在使用的 PAL，而 Griffin 並不在其中。

哪一個，做什麼用的？

• 若你打算用單一提示詞規劃多鏡頭序列，請選 Kling 3.0；若要做圖生影，而它在無音訊競技場的排名強勁、票數踴躍，也請選它；若要製作橫跨五種語言的多語對白，並為每個角色綁定各自的語音；若要在鏡頭移動之間維持元素一致性；若要使用 4K，前提是你以書面確認該方案層級——快手自家的文件宣稱原生 4K，但其使用指南僅列出 720p 與 1080p，而且第三方對 4K 的點數費率在不同來源之間相差超過兩倍。

• 如果重點在於對話，請先測試 Kling 3.0 的脣形同步，因為獨立實測評論指出，這正是它會出錯的地方，而這個失誤會導致最多重拍。

• 不要圍繞 Griffin 做規劃。如果你需要解答的問題是：在一分鐘的通話中，人能否分辨出生成的人類與真人；或者，知道互動層將往哪裡發展，是否應該影響你現在在短片層上打造的東西，那就申請存取權。

• 要觀察兩件事，而不是一件事。在 Kling 這邊，要看層級差距是否開始反映價格，因為這四個層級目前在圖像轉影片上的 Elo 分數彼此相差不超過十九分，價格卻相差五成，而且最便宜的層級並非排名最差。在 Griffin 這邊，要看揭露機制與模型卡是否會出現；如果出現了，這項比較就不再是設計論述，而會開始變成採購決策，本文也就需要重寫。