Tell 1 مقابل Gemma 4 12B: واحد يمكنك وضعه على قرص، وآخر لا يمكنك سوى الاتصال به هاتفيًا

أسرع طريقة لفهم الفرق بين Tell 1 وG​emma 4 12B هي محاولة تنزيل كليهما. يتوفر G​emma 4 12B على هيئة نحو 27 GB من safetensors بصيغة BF16 بموجب Apache 2.0، ويعمل بسرعة نحو 110 توكن في الثانية على بطاقة واحدة بسعة 24 GB في إصدار مُكمَّم، ويستجيب لك وحدك، لا لأحد غيرك. أما Tell 1 فلا يتوفر إطلاقًا. إنه نموذج الاستدلال الخاص بـ Retell، الموجود داخل منصة وكلاء صوتيين تتقاضى من 0.07 إلى 0.31 دولار في الدقيقة، ولا تبيع النموذج، ولا تنشر بطاقة نموذج له، ولا تتيح لك توجيهه إلى بنيتك التحتية الخاصة. كل شيء آخر في هذه المقارنة ينبع من هذا التفاوت، بما في ذلك الاختبارات المعيارية، لأن أحد هذين النموذجين يمكن لأي شخص يملك GPU قياسه، بينما لا يمكن قياس الآخر إلا من الشركة التي تملكه.

كلا الإصدارين مثير للاهتمام حقًا، وقد صُمِّما لمهام مختلفة. Gemma 4 12B هو نموذج Google DeepMind المفتوح متوسط الحجم الخالي من المُشفِّر، صدر في 3 يونيو 2026، ومصمَّم لإجراء الاستدلال متعدد الوسائط على الجهاز الذي أمامك. أما Tell 1 فهو طبقة الاستدلال في حزمة مركز اتصال تعاملت مع أكثر من 100 مليون مكالمة شهريًا قبل وجود النموذج، وهدفه التصميمي هو الشيء الوحيد الذي لا يستطيع نموذج محلي تقديمه: مقطع لفظي أول يقع ضمن حدود تحمُّل المتصل الهاتفي للصمت.

شيئان يُسمّيان «نموذج»، وواحد منهما فقط ملف.

تُعد Gemma 4 12B نموذجًا كثيفًا يضم 11.95 مليار معامل، دون مشفّر منفصل للرؤية أو الصوت — إذ تدخل رقع الصور والموجات الصوتية مباشرةً إلى المحوّل، ولهذا تُطرح العائلة كنقطة حفظ «موحّدة» واحدة بدلًا من مجموعة أبراج. وهي تحمل سياقًا من 256 ألف رمز، وتقرأ النصوص والصور والصوت وإطارات الفيديو. نُزّل مستودع Hugging Face أكثر من 14 مليون مرة، وآخر مراجعة لقالب الدردشة كانت في 9 يوليو 2026، والترخيص هو Apache 2.0 دون بند إيرادات، ودون بند عدد المستخدمين، ودون اتفاق تجاري منفصل للتفاوض.

لا يملك Tell 1 أيًّا من تلك الآثار. فلا يوجد مستودع، ولا ملف إعدادات، ولا مُجزِّئ رموز، ولا نص ترخيص، ولا رقم لنافذة السياق منشور في أي مكان استطعت العثور عليه على موقع Retell نفسه — وقد نظرت في المدونة وسجل التغييرات وفهرس الوثائق وغرفة الأخبار وموقع قياس أداء النماذج التابع للشركة. المكانان الوحيدان اللذان يظهر فيهما إطلاقًا هما ملصق على الصفحة الرئيسية، حيث يجاور "Agent harness" تحت قسم عنوانه "Developed by Retell Labs"، وملاحظة تحديث من نوفمبر أُضيفت إلى سجل تغييرات سبتمبر بشأن معيار الصوت العام التابع لـ Retell. هذا هو السجل العام بأكمله. الأمر ليس فضيحة؛ فكثير من بائعي المنصات يطلقون نماذج داخلية دون توثيقها. لكنه يعني أن نصف هذه المقارنة لا بد أن يُجرى بناءً على كلام البائع، والنصف الآخر يمكنك أن تجريه أنت، الليلة، على عتادك الخاص.

الأسئلة الخمسة التي يجيب عنها أحدهم علنًا

ضع الاثنين جنبًا إلى جنب وفق الأبعاد التي يحتاجها المشتري فعليًا، وسيتضح شكل الفجوة. الجانبان في كل سطر، لأن المقصود هو التباين وليس الدرجة:

• الأوزان — يَنشرها G​emma 4 12B، برخصة Apache 2.0، قابلة للاستضافة الذاتية، والضبط الدقيق، وإعادة التوزيع؛ أما Tell 1 فلا ينشر شيئًا ولا يمكن الوصول إليه إلا كجزء من وكيل صوتي من Retell.

• الحجم — 11.95 مليار معامل كثيف، نحو 27 غيغابايت بصيغة BF16 وأقل من 7 غيغابايت عند التكميم، بالنسبة إلى Gemma؛ غير مُفصح عنها لـ Tell 1، وكونه يجيب بوسيط زمن استجابة قدره 72 مللي ثانية داخل بيئة اختبار Retell يوحي بأنه نموذج صغير مخصص لغرضه بدلًا من نموذج عام رائد، لكن هذا استنتاج وليس توثيقًا.

• السياق — 256 ألف رمز لـ G​emma 4 12B؛ غير محدد لـ Tell 1، وهو أمر أقل إثارة للقلق مما يبدو بالنسبة لوكيل هاتفي، لأن المكالمة قصيرة وقاعدة المعرفة موجودة خارج النموذج.

• الوسائط — يأخذ G​emma النص والصورة والصوت والفيديو ويعيد النص؛ ويأخذ Tell 1 حمولة النص المنسوخ والأدوات التي تسلّمها إليه منصة صوتية، وما عدا ذلك مما يقبله غير منشور.

• الأدلة — لدى G​emma بطاقة مورّد (DocVQA 94.9، وInfoVQA 88.4، وMMLU-Pro 77.2، وGPQA Diamond 78.8، وكلها مُبلّغ عنها من Google) بالإضافة إلى مؤشر Artificial Analysis Intelligence Index المستقل بقيمة 14 عند نحو 110.9 رمزًا في الثانية تقريبًا؛ ولدى Tell 1 صف واحد في اختبار قياسي كتبه مالكه، وهو مشمول أدناه.

لاحِظ أي عمود أطول. هذا ليس انتقاصًا من جودة Tell 1؛ بل هو بيان عمّا يمكنك التحقق منه قبل إنفاق المال. النموذج الذي يمكنك تنزيله يمكن اختباره مقابل بياناتك الخاصة في فترة بعد ظهر واحدة. أما النموذج الذي لا يمكنك إلا استئجاره فيُختبَر عن طريق استئجاره.

ما الذي يقيسه فعليًا الرقم الرئيسي في Tell 1

تنشر Retell نتائج vCX Benchmark الخاصة بها كبيانات منظمة بدلًا من رسم بياني تسويقي، وهو ما يتجاوز ما تفعله معظم لوحات تصنيف البائعين. يرد Tell 1 في جدول يضم 62 تهيئة مُقيَّمة مستمدة من 45 نموذجًا، ويظهر سطره أقوى في الطرف الحواري: 96.6% على البُعد العامي لدى Retell ووسيط قدره 72.5 مللي ثانية، وهو الأول في المجال في كليهما. ويُظهر السطر نفسه المركز الثاني في اتباع التعليمات وفي الصف الذي تسميه Retell الهلوسة، والخامس في استدعاء الأدوات، وتكلفة نموذج تبلغ 3.5 سنت لكل دقيقة تضعها في المركز 19 من 62. وبحساب متوسط الأبعاد الأربعة تحصل على 94.45%، وهو الرقم الذي تتصدر به Retell.

ثمة تحفظان يجب ذكرهما إلى جانب تلك المراتب، وليس أيٌّ منهما دليلًا على أن Retell غير صادقة — فببساطة لا تدعم البيانات قراءةً أنقى. أولًا، يحمل صف Tell 1 الإصدار 17 من المعيار بينما تحمل 50 من أصل 62 صفًا الإصدار 1؛ والمعيار الذي يراجع مهامه يفعل الصواب، لكن "#1 overall" المحسوبة عبر مجموعتَي اختبار مختلفتين هي نتيجة مجمّعة، لا نتيجة مقارنة متماثلة، ولا تُطبّع الصفحة حسابها وفقًا لذلك. ثانيًا، لا تتفق الأبعاد الأربعة. فـ Tell 1 ليس أفضل نموذج في معياره الخاص في اتباع التعليمات أو في استدعاء الأدوات — إذ يسجل GPT-6-Astra نسبة 89.7% في اتباع التعليمات مقابل 88.6% لـ Tell 1، ويتقدم بناء واحد على الأقل من Claude عليه في استدعاءات الأدوات. أما ما يتفوق فيه تفوقًا قاطعًا فهو الأمران اللذان يمكن للمتصل سماعهما: فهو الأسرع ويبدو الأكثر شبهاً بالإنسان.

ثمة رقم واحد يجدر توضيحه، لأن الاثنين يُخلطان في التغطية: 72 مللي ثانية هي زمن استجابة النموذج داخل إطار الاختبار، وليس تجربة المتصل. وتذكر الصفحة الرئيسية لـ Retell أن زمن استجابة الوكيل النموذجي يبلغ نحو 600 مللي ثانية من البداية إلى النهاية، وهو يشمل التعرف على الكلام والتنسيق ومرحلة النموذج وتركيب الكلام. يمكن أن يكون الرقمان صحيحين. والرقم الثاني وحده هو ما يدركه الشخص على الهاتف.

أين يقع كل واحد في المكدس

‏Gemma 4 12B غير مناسب لوكيل هاتفي مباشر، وليس بسبب الجودة. فطراز كثيف بحجم 12B على وحدة GPU واحدة مكوّن جيد، لكن رحلة الذهاب والإياب عبر حزمة الخدمة الخاصة بك، إضافةً إلى التعرف على الكلام وتركيبه، هي ما يدفع زمن الاستجابة من طرف إلى طرف إلى النطاق الذي يبدأ فيه المتصلون بمقاطعة الوكيل. إن تأطير Google نفسه لطراز 12B هو أعمال وكيلية على حاسوب محمول — فهم المستندات، وقراءة الشاشة، واستخدام الأدوات، والمساعدة في البرمجة — وهذا التأطير دقيق. إذا كانت مهمتك مئة ألف فاتورة كل ليلة، أو مجموعة بيانات خاصة لا يمكنك إرسالها إلى طرف ثالث، أو جهازًا ميدانيًا دون اتصال، فإن Tell 1 لا يستطيع المنافسة، لأن Tell 1 لا يمكن نشره هناك على الإطلاق.

Tell 1 هو العكس. لا يمكنه مغادرة Retell، ولا يمكنك ضبطه الدقيق على نصوصك المفرّغة، ولا يمكن لطرف ثالث قياس أدائه مقارنةً بغيره دون تعاون Retell. ما يمكنه فعله هو الرد داخل منصة تملك بالفعل الاتصالات الهاتفية وتناوب الأدوار والصوت، وأن يفعل ذلك في 72 ms، وهو الجزء من المكدس التقني الذي لا تصلحه أي كمية من هندسة الأوامر. إذا كنت تشتري وكيل مركز اتصال بدلاً من بنائه، فهذا هو العمود الوحيد المهم.

الحل الوسط هو ما تصل إليه معظم الفرق فعليًا: نموذج صغير مستضاف ذاتيًا للعمل الضخم والحتمي، ونموذج رائد مستضاف للمنعطفات الصعبة. لا يُعد أي من هذين النموذجين الخيار الطبيعي لتلك الفتحة الثانية، وهنا حيث كتالوجنا الخاص يكون ذا صلة. لا يمكن توجيه Tell 1 ولا G​emma 4 12B عبر OrcaRouter — فنحن لا نستضيف Tell 1، وأحجام G​emma 4 التي نوفرها هي 31B Instruct و26B A4B، وليس 12B. هذان النموذجان مسعّران بقائمة أسعار المزوّد دون أي إضافة، 0.13 دولار للإدخال و0.38 دولار للإخراج لكل مليون رمز للنموذج 31B و0.06 دولار و0.33 دولار للنموذج 26B A4B، وهو نقطة المقارنة الصادقة إذا كان ما أردته من 12B هو "G​emma 4 أستطيع استدعاءه دون امتلاك GPU."

التكلفة، محوّلة إلى الوحدة نفسها

إن مقارنة سعر منصة لكل دقيقة بسعر نموذج لكل رمز هي الموضع الذي تغش فيه معظم هذه الكتابات بهدوء، لذا ها هو التحويل بدلاً من حكم. لا يُسعَّر Tell 1 بشكل منفصل؛ بل هو داخل نطاق Retell البالغ 0.07 إلى 0.31 دولار في الدقيقة، والصف المعياري الذي يحمله يقول إن تكلفة النموذج 3.5 سنتات في الدقيقة، وهو يقع داخل هذا النطاق بدلاً من أن يحل محله. أما Gemma 4 12B عند سعر Artificial Analysis المدمج البالغ 0.10 دولار لكل مليون إدخال و0.30 دولار لكل مليون إخراج فهو شبه مجاني لكل رمز، ثم تدفع مقابل وحدة GPU: بطاقة بسعة 24 GB تعمل لمدة ساعة تكلّف أكثر من ألف دقيقة من أرخص فئة لدى Retell، لذا لا يحدث التقاطع إلا عند حجم مستمر مع استغلال مرتفع.

• وحدة التكلفة — دولارات لكل دقيقة محادثة لـ Tell 1؛ دولارات لكل مليون رمز بالإضافة إلى ساعات GPU لـ G​emma 4 12B.

• نقطة التعادل — تفوز Gemma من حيث التكلفة الحدية بمجرد أن تكون وحدات GPU لديك مشغولة بالفعل؛ وتفوز Tell 1 من حيث التكلفة الإجمالية للملكية إلى أن يصبح الحجم كبيرًا بما يكفي لإبقاء بطاقة مشبعة.

• بنود مخفية — يجمع Tell 1 الاتصالات الهاتفية وتركيب الكلام وأداة التنسيق في رقم واحد؛ أما حزمة Gemma المستضافة ذاتيًا فتحاسبك بشكل منفصل على ASR وTTS وطبقة الخدمة والمهندس المناوب.

أيّ واحد تختار

إذا كان المطلوب هو وكيل هاتفي يبدو بشريًا هذا الربع، فإن {{1}}Tell 1{{/1}} هو الوحيد من الاثنين الذي يُعدّ منتجًا، وتقول المعايير المرجعية — بما تشمله من تحفظات — إن أفضل ما يبرع فيه هو بالضبط ما تشتريه. اختبره مقابل النموذج الذي تثق به حاليًا داخل وكيل Retell نفسه، واستمع إلى عشرين مكالمة، وأحصِ أخطاء الاستناد إلى المعلومات، لأن هذا هو المجال الذي تقول بيانات Retell نفسها إنه يخسر فيه.

إذا كان المطلوب هو نموذج يمكنك فحصه، وضبطه الدقيق، واستضافته بشكل خاص، وإعادة توزيعه داخل منتج، أو تشغيله دون اتصال بالشبكة، فإن G​emma 4 12B ليس مجرد الخيار الأفضل — بل هو الخيار الوحيد في هذه الصفحة. إن Apache 2.0 وسياق 256K في حجم 12B مزيج يزداد فائدة كل شهر، وتشير 14 مليون عملية تنزيل إلى أن كثيرًا من الفرق قد وصلت بالفعل إلى هذا الاستنتاج.

السؤال الجدير بالطرح قبل شراء أيٍّ منهما هو: أيُّ هاتين الجملتين تصف مشكلتك؟ لأنّهما ليستا المشكلة نفسها، ولا يستطيع أي معيار قياس أن يخبرك أيّهما لديك.