Tavus Griffin 對比 MiniMax H3：雙工對話模型遇上已推出的影片生成器

Tavus Griffin 與 MiniMax H3 都能在螢幕上呈現出會動、會說話的人，但在那第一印象之後，它們幾乎算不上同一個產品類別。Griffin 是Human Interaction Model——一套用於即時進行雙向對話的影片轉影片系統，由 Tavus 於 2026 年 10 月發表，目前僅限少數早期測試者使用。MiniMax H3 則是全模態影片生成器：你給它一個提示詞，以及可選的圖像、影片和音訊參考，它就會回傳一段完成的短片。其中一個正在閉門評估；另一個則已經可供下載、授權和計費數月。這個差異——不是解析度或影格率——才是決定哪一個屬於你的技術堆疊的關鍵。

每一個實際上是什麼

Griffin 是 Tavus 嘗試打造的一個模型，其行為表現得像參與者，而非渲染器。該公司將其描述為首個 Human Interaction Model，而它發表的架構將工作分為兩部分：Continuous Conversational Modeling，負責決定人設在每個時刻應該做什麼；以及 Audio-Visual Generation，負責串流相符的語音與臉部影像。至關重要的是，它是全雙工的——它在說話時同時觀看與聆聽，因此可以被中斷、能在話語中途做出反應，而且不會等待乾淨的回合結束訊號才回應。Tavus 自己的說法是，先前的系統學會了生成臉部；而 Griffin 的打造目的，是從人們身上學習對話行為。

MiniMax H3 是海螺 3 世代，於 2026 年 7 月 31 日發布，並於 2026 年 8 月 3 日以 MiniMax H3 Community License 開源，公開了 H3-Base-FL2VA 與 H3-Base-Ref2VA 兩個變體。它將文字、圖像、影片與音訊參考讀取為單一統一脈絡，並傳回 4 至 15 秒、768P 或 2K 的片段，具備原生立體聲音訊，透過三階段流程（H3-Context-IR，接著以 768p 運行 H3-Base，再以 H3-Regenerate-2K）生成。它是一款輸入面向異常寬廣、授權真正寬鬆的生成器——這些特質 Griffin 目前一項也沒有。

規格並列對照

為什麼「duplex」是有趣的字

每一款影片生成器，包括 H3 在內，都是根據一段影片片段完成後看起來如何來評判。而 Griffin 被評判的，是影片片段無法呈現的東西：在你打斷它之後的那 200 毫秒內發生了什麼事。那正是 Human Interaction Model 這個框架所指向的問題，也是為什麼 Tavus 的主要數據是行為性的，而非視覺性的。

最常被引用的數字是，48% 的人在經過一分鐘的視訊通話後相信 Griffin 是真實的人——54 名參與者中有 26 人——相較之下，Tavus 先前的 Phoenix-4.5、Sparrow-2 和 Raven-1 技術堆疊只有 2.4%，41 人中有 1 人。Tavus 也報告，未被說服的人往往會在前 20 秒內起疑，這項細節比標題數字更有用：這意味著錯覺要嘛很早就成立，要嘛很早就崩解。

第二組數字來自 NVIDIA 的 VideoFDB 基準測試，評測時間為 2026 年 9 月，Tavus 表示 Griffin 在這項面對面 AI 的獨立測試中拿下第一。在生成方面，Griffin 得分 3.83，而最強的已回報基準（Gemini 2.5 加上 Anam 的組態）為 2.80，人類參考分數為 3.92，任務目標達成率為 62.8%。在感知方面，它得分 3.73，而 MiniCPM-o 4.5 為 3.44、Gemini 2.5 Flash Native 為 3.17、僅使用音訊的 OpenAI gpt-realtime 組態為 2.97，人類參考分數為 4.20，任務目標達成率為 73.8%，共評估了十五個模型。Tavus 也宣稱，Griffin 在即時反應方面領先第二佳的系統達 37%。這些都是廠商自行回報的數字，且立基於 NVIDIA 所建構的基準測試，理應以此角度解讀——但真正值得留意的，是那些與人類比較的分數，因為 3.83 對上 3.92 的人類分數，其差距遠比影片生成歷來所呈現的來得小。

你今天能買到什麼

在此，這兩個模型完全不再具有可比性。

MiniMax H3 是一款產品。它是以託管方式提供，按生成輸出的每秒計價，而其開放變體正放在模型中心等待下載。若你想要一段十五秒、2K、立體聲音訊、內容不存在的片段，今天下午就能擁有；如果你不想租用，也可以自行執行權重。

Tavus Griffin 不是一項產品。Tavus 在 Griffin 的說明文章中明確表示，Griffin-Lite 這個研究預覽版今天已提供給一組精選的早期測試者使用，之後會更廣泛地發布更強大的模型，而且 Griffin 尚未登上 Tavus 平台，只有在該公司弄清楚如何安全發布它之後才會推出。一家供應商對自家最亮眼的成果如此坦率，實屬罕見，而這對規劃來說很重要：你不能把 Griffin 當作相依項目放進產品路線圖，也不能為它定價，因為根本沒有價格。

所以，真正誠實的規劃問題不是「哪個比較好」，而是「哪一個存在於我需要的層級」。

OrcaRouter 的定位

MiniMax H3 已在我們的目錄中。模型頁面位於 minimax/minimax-h3，計費方式與供應商的計費方式一致：768P 每秒 $0.08，2K 每秒 $0.13。OrcaRouter 以 0% 加價，將供應商的定價原價傳遞出去，因此 MiniMax 的價格一有變動，會在公告當天就顯示在我們的價目表上，而非等到下一個計費週期。Griffin 不在目錄中，而且在 Tavus 向客戶推出之前也不會納入——我們不會託管無法提供服務的模型，而僅限特定測試人員使用的研究預覽版，也不是路由器能夠路由的東西。

實際後果是，這兩個模型中，有一個距離你的應用程式只有一行程式碼之遙，另一個則是一篇附有電話號碼的研究論文。如果你已經在路由多個影片與語言模型，H3 的按秒計費也讓這條路由值得放在自動容錯移轉之後：當請求碰上已飽和的供應商時，會改向健康的供應商重試，而不是直接冒出逾時錯誤；而路由 DSL 讓你能把 2K 工作釘選到特定供應商，同時讓 768P 草稿落在容量最便宜的地方。模型融合是這裡另一個值得提及的槓桿——H3 的每秒價格低到，在生成前花一個文字模型改寫並重新切分提示詞，往往比第一次嘗試失敗所浪費的秒數更便宜。

比較可能翻轉的地方

有三件事會改變這個比較，而且只有三件。

首先，如果 Tavus 讓 Griffin 登上商用 API 並公布價格，那麼整個「對話對比短片」的框架就會變成真正的採購決策，而非排程決策，而 48% 的面對面比例也將開始直接與生成輸出的品質互別苗頭。其次，如果 H3 的即時性表現有所改善——而 MiniMax 一直積極推出新產品——那麼一個能夠串流的按秒計費生成器將會削弱 Griffin 的核心優勢。第三，如果 NVIDIA 或其他中立第三方將 H3 或其後繼版本納入並重新執行 VideoFDB，那麼 Griffin 在面對面 AI 領域拔得頭籌的主張就不再是無法否證的。Tavus 表示，預期在安全疑慮獲得解決後就會很快發布 Griffin；這句話就是整個時程表。

底線

MiniMax H3 和 Tavus Griffin 目前並不是競爭對手，因為兩者之中只有一個買得到。H3 是已推出的開放權重、按秒計價的全模態生成器，有公開價格，以及 4 到 15 秒的輸出視窗；Griffin 則是雙工對話模型，擁有目前任何人發表過的最佳面對面數據，但沒有 API、沒有價格，而且其自家供應商明確表示客戶尚無法使用。如果你今天就需要影片生成，H3 就是答案，而且可以用每秒幾美分來衡量。如果你需要一張可被打斷的即時人臉，那就關注 Tavus——但先把產品的其餘部分打造好，因為發布日期只是一句話，不是一個日期。