Американский стартап Tavus представил Griffin — первую в мире модель класса Human Interaction Model (HIMi), которая прошла видео-тест Тьюринга в живом разговоре по видеосвязи. В минутном видеозвонке 26 из 54 участников (48%) решили, что говорили с настоящим человеком, а не с ИИ.

Griffin работает как единая full-duplexi video-to-video система: она одновременно смотрит, слушает и говорит, каждые доли секунды решая, молчать, кивнуть, поддакнуть или перехватить реплику. Это не заранее записанный ролик, а генерация лица, голоса, мимики и жестов в реальном времени — модель уже произвела фурор в соцсетях (10 млн просмотров анонса Tavus).

• Griffin смеётся, меняет тон, перебивает и позволяет перебить себя, чувствует паузы, понимает окружение собеседника (может помочь собрать кубик Рубика), умеет покрутиться на стуле и улыбнуться как живой человек
• Видеочасть Griffin-Lite работает в 720p при 25 fps, генерирует видео кусками по 320 мс (1 latent = 8 кадров, 3 diffusion stepsi на кусок); средняя задержка от входящего аудио до реакции в видео — 0,43 секунды на NVIDIA H100
• В полном разговорном тесте NVIDIA медианная реакция Griffin составила 1,9–2,2 секунды в зависимости от задачи — то есть 0,43 с относится только к видеогенератору, а не ко всей системе целиком
• По данным Нейронавт, Griffin занял #1 место в независимом тесте NVIDIA среди face-to-face AI-моделей и показал +37% к скорости мгновенной реакции относительно следующей лучшей модели
• По данным ITc, участников эксперимента заранее не предупреждали о возможности общения с ИИ — им сказали, что они разговаривают с коллегами
• Tavus в кредитах благодарит Baseten, Daily и Cerebrium за инфраструктуру research preview, но не раскрывает, сколько GPU требуется на одну сессию
• Конкурент — Google неделю ранее выпустила Gemini 3.8 Live with Live Avatar, также потоковый аватар, одновременно получающий аудио и видео собеседника