Tavus Griffin vs Runway Gen-4.5：對話與渲染是兩筆不同的帳單

把 Tavus Griffin 和 Runway Gen-4.5 放在一起比較，你首先會注意到的是，它們並不共用同一種計量單位。Griffin 由 Tavus 於 2026 年 10 月以研究預覽形式發布，是一種人類互動模型（Human Interaction Model）——一套影片對影片系統，能進行即時面對面交談，並在通話進行時生成另一名參與者的臉孔與聲音。Runway Gen-4.5 於 2025 年 12 月 1 日發布，並自 12 月 12 日起向付費訂閱者推出，是一款文字轉影片與圖像轉影片生成器，依其渲染的影片秒數向您收費。其中一個是按對話回合計費，另一個是按秒計費，而唯一誠實的比較方式，就是注意到 Griffin 的一分鐘與 Gen-4.5 的一分鐘並不是同一種一分鐘。

兩個時鐘朝相反方向運行

Gen-4.5 交到付費客戶手中已將近一年。它能依據文字提示或靜態圖像生成二到十秒的短片，支援 720p、每秒 24 或 25 幀，以及六種長寬比。它沒有音軌、沒有多鏡頭分鏡，也沒有對白——它是一個渲染引擎，而且是一個自律的渲染引擎。它的 API 是非同步的，這對一項耗時超過單一請求應有長度的工作而言，正是恰當的形式。Runway 自家的 API 除了提供自家模型，也供應第三方影片模型；而該公司推出了一個世界模型 GWM-1，這透露了 Runway 認為有趣的問題所在：不在於進行對話，而在於為場景建模。

Griffin 走的是相反的路線。Tavus 已公開架構中的每一項設計決策，著眼點都是延遲，而非保真度。Tavec 編解碼器以 48 kHz 運作，每秒 100 幀、每幀 40 個數值，不使用碼本，採用完全因果的解碼器，封包最小僅 10 毫秒。視訊路徑以 320 毫秒為單位輸出 720p，其中一個潛在表示涵蓋 25 fps 下的八幀，而每個潛在表示需要三個擴散步驟。在 H100 上，音訊到視訊的延遲平均為 0.43 秒；Tavus 表示，這大約是其測量到次快方法的一半。那套技術堆疊裡，沒有任何部分試圖渲染出精美的十秒鐘。其中每一部分都努力及時渲染出接下來的 320 毫秒。

所以，規格比較是真實的，但它不是計分板：

• 計費單位 — Runway Gen-4.5 以輸出秒數計費；你在按下生成前就能知道費用。Griffin 完全沒有公布價格，因為它沒有公開產品。

• 片段長度 — Gen-4.5 可產生兩到十秒的片段；Griffin 則會持續到通話結束為止。

• 解析度與幀率 — Gen-4.5 以 24 或 25 fps 渲染 720p；Griffin 則以 320 毫秒的區塊串流 720p、25 fps 的畫面。

• 音訊 — Gen-4.5 不會產生音軌；Griffin 則同時生成語音與影片，並可從約 10 秒的樣本複製聲音。

• 互動性 — Gen-4.5 是單向非同步請求；Griffin 則是全雙工，且可在說話中途被打斷。

• 動態與調色附加功能 — Gen-4.5 提供 ProRes 和 PNG 匯出，每秒加收 5 點數，HDR 則為每秒 20 點數，超過約四百萬像素時升至 40 點；Griffin 沒有對應功能，因為它不匯出檔案。

• 可用性 — Gen-4.5 自 2025 年 12 月 12 日起已對付費訂閱者開放；Griffin 處於研究預覽階段，僅供特定測試人員使用，而 Tavus 表示其尚未開放客戶使用。

白話解讀 Gen-4.5 法案

Runway 將 Gen-4.5 定價為每生成一秒影片 12 點。以每點一美分的標準價格計算，這相當於每秒 0.12 美元，或者說，如果你能連續生成，整整一分鐘的影片素材約為 7.20 美元——但你做不到，因為該模型上限為十秒，所以一分鐘代表要將六段以上的個別生成結果拼接起來，而這會帶來任何可能的連貫性錯誤。ProRes 與 PNG 輸出每秒加收 5 點，HDR 每秒加收 20 點，若超過約四百萬像素則升至 40 點。API 點數與應用程式訂閱點數分開計費，這個細節會讓團隊在網頁應用程式中製作原型、之後轉向 API 時措手不及。

Gen-4.5 是透過哪裡取得也很重要。你可以透過 Runway 自家的 API，以及數個第三方平台來使用它。它不是 OrcaRouter 的一條路由——我們並不代管它，也不會暗示你可以在這裡取得它。

Griffin 的代價是多少，以及為什麼那是個錯誤的問題

Tavus Griffin 目前沒有價格。Tavus 的發布資料指出，研究預覽版 Griffin-Lite 今日已提供給一小群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，Griffin-Lite 目前不會開放給客戶使用，而 Griffin 尚未登上 Tavus 平台——待該公司研擬出如何安全發布後，它才會推出。

那段文字發揮了很大的作用。這意味著本文中的比較並非採購決定，而且在 Tavus 公布價格之前，也不可能成為採購決定。這也意味著，對於大多數供應商會以附有「聯絡銷售」按鈕的產品頁面來發布的成果，Tavus 卻異常直白。

Griffin 確實有發表的是關於行為的證據。在與倫敦瑪麗女王大學合作進行的一項研究中，54 名參與者中有 26 人——48%——在一分鐘的視訊通話後相信 Griffin 是真實的人，相較之下，Tavus 先前的 Phoenix-4.5、Sparrow-2 與 Raven-1 技術組合只有 41 人中的 1 人（2.4%）。在 NVIDIA 的 VideoFDB 基準測試中——於 2026 年 9 月評分——Tavus 回報在面對面 AI 上拿下第一名：生成項目 3.83，對比所回報最強基準的 2.80 以及人類參考的 3.92；感知項目 3.73，對比所回報最佳基準的 3.44 以及人類的 4.20，並在感知部分、十五個受評估模型中取得 73.8% 的任務目標達成率。這些是廠商自行回報的數字，且立基於 NVIDIA 所打造的基準測試之上，而它們關乎的是對話，不是電影攝影。

不同的職務，簡單說明

如果你想要一個黃昏城市的鏡頭，搭配能符合參考畫面的運鏡，Gen-4.5 是一款確實存在、而且今天就能做到的工具，價格大約是每秒十二美分。Griffin 在任何情況下都幫不上你，因為 Griffin 不接受提示詞，也不會回傳檔案。

如果你想要一張會傾聽、會被打斷，並能在數分鐘內讓對話保持連貫的臉，Gen-4.5 幫不上忙，因為它在請求送出後就不再接受輸入。一段含有說話者頭像的十秒短片並不是對話；它是一段對話的影片，而這個區別正是 Tavus 所推銷的。

重疊之處比「AI 影片」這個標籤所暗示的還要狹窄：兩者都輸出人物的像素，且兩者都以 720p 和 25 fps 運作。在那之上的所有東西都不同，包括發票上的單位。

為什麼路由器正好在這個位置很有用

到頭來兩者都需要的團隊，通常是吃了苦頭才發現——某個產品想要一個生成的定場鏡頭與一個會說話的虛擬化身，而這兩者來自不同供應商，各有不同的驗證方式、不同的額度系統和不同的故障模式。這正是單一端點證明自身價值的情況。OrcaRouter 用一把金鑰承載超過兩百個模型，直接按供應商定價提供，並收取0% 加價，因此供應商一調價，當天就會反映在價目上，而且會改向健康的供應商重試；當某條路由失敗時，會這麼做而不是丟給你一個逾時錯誤。路由 DSL 讓你將低風險草稿送到容量最便宜的地方，並把任何面向客戶的內容綁定到特定供應商；模型融合則讓你可以在昂貴的生成呼叫前面放一個便宜的文字模型，先改寫提示詞，再花那幾秒。

就這場對決而言，它涵蓋與不涵蓋什麼，說得精確一點：Gen-4.5 不是我們的路由之一，Griffin 也不是。目錄的影片部分包含minimax/minimax-h3，MiniMax 的全模態生成器，在 768P 下每輸出秒 $0.08，在 2K 下每秒 $0.13——與 Runway 同一比較基準上的每秒價格，而且來自我們今天確實能為你提供服務的模型。如果你需要的是生成出來的秒數，並希望它們與其他所有項目列在同一張帳單上，那就是誠實的建議。

要圍繞哪一個來規劃？

Gen-4.5 是安全得多的依賴選擇，而且領先幅度極大：自 2025 年 12 月起就已交到付費客戶手中，其 API 有完整文件記載，其點數有明確定價，而它的限制——十秒、無音訊、不支援分鏡——是公開載明的，而非等到使用時才發現。需要生成影像素材的團隊，本週就能開始。

Griffin 是上限更高、下限更低的押注。它的 48% 與 0.43 秒平均延遲描述的是某種真正嶄新的東西，而 Tavus 目前拒絕販售它，這件事所透露的是那個東西的成熟度，而非行銷決策。不要把它當作依賴項目放進路線圖；把它列入觀察清單，等安全註記消失時再回來查看。