Retells 100-Mio.-Dollar-Run-Rate kam mit einem Modell: Was Tell 1 tatsächlich ist

Am 12. November 2026 veröffentlichte Retell zwei Dinge, die zusammen gelesen werden, ob das Unternehmen es beabsichtigt hat oder nicht: einen Blogbeitrag, in dem es bekannt gab, dass es eine annualisierte Run Rate von 100 Millionen US-Dollar überschritten hatte, und in derselben Woche den ersten öffentlichen Beleg für Tell 1 — ein Modell, das Retell selbst gebaut hat und als sein eigenes beschreibt, das auf der Unternehmenshomepage unter „Developed by Retell Labs“ als Reasoning-Schicht seines Voice-Stacks aufgeführt ist. Die Umsatzzahl ist die, die herumkommt. Das Modell ist das, das verändert, was Retell ist, denn eine Voice-Agent-Plattform, die deinen Prompt lediglich an GPT oder Claude weiterleitet, ist ein anderes Geschäft als eine, die auch das Gehirn mitliefert.

Tell 1 ist zum jetzigen Zeitpunkt nicht dokumentiert. Es gibt keinen Launch-Beitrag, keinen Changelog-Eintrag, keine Model Card, keine API, keine Preisangabe und keine Veröffentlichung von Gewichten, die es irgendwo auf der Website von Retell über eine bloße Bezeichnung hinaus benennen würde. Der $100M-Beitrag selbst erwähnt es nie. Die einzige von Retell veröffentlichte Seite, die substanziell etwas aussagt, ist ein Benchmark-Changelog vom 29. September 2026 mit einem November-Update: Tell 1 „belegt insgesamt Platz 1 im Retell vCX Benchmark“, führt bei umgangssprachlicher Sprache und Latenz und verliert gegen andere Modelle bei Grounding, Instruction Following und Tool Calling. Das ist ein Unternehmen, das sein eigenes Modell auf einem von ihm geschriebenen Benchmark auf Platz eins setzt, und das sagt es in einem Satz – was mehr Offenheit ist, als die meisten Anbieter zustande bringen, und dennoch kein Beleg, auf den man eine Beschaffungsentscheidung stützen kann.

Die beiden Zahlen und was jede von ihnen wert ist

Die Umsatzzahl stammt von Retell selbst und hat den Charakter eines Meilensteins eines Privatunternehmens statt eines geprüften Ergebnisses: annualisierte 100 Millionen US-Dollar, erreicht mit 4,6 Millionen US-Dollar eingeworbenem Kapital, in weniger als drei Jahren, bei über 4.000 Kunden, die monatlich mehr als 100 Millionen Anrufe abwickeln. CEO Bing Wu bezifferte den Verlauf auf 10 Millionen bis 100 Millionen US-Dollar in 17 Monaten und fügte hinzu, das Unternehmen sei profitabel. Nichts davon ist unabhängig verifiziert, und „annualisierte Run Rate“ ist eine zukunftsgerichtete Konstruktion – sie multipliziert einen aktuellen Monat, sie berichtet nicht über ein Jahr. Betrachten Sie es als starkes Signal für die Akzeptanz, das die Kundenreferenzen durchaus stützen, und nicht als Finanzbericht.

Die Modellaussage ist schwieriger. Das weithin wiederholte Detail — dass Tell 1 mit mehr als 1 Million Stunden Kundengesprächen trainiert wurde — wird in der Sekundärberichterstattung Retell zugeschrieben, und ich konnte es auf keiner Seite von Retell finden: nicht im Blog, nicht im Changelog, nicht im Dokumentationsindex, nicht auf der Modell-Benchmark-Website. Das macht es nicht falsch. Es bedeutet aber: Wenn die Angabe zum Trainingskorpus für Ihre Bewertung relevant ist — und für einen Contact-Center-Einkäufer, der sich Sorgen darüber macht, woher das Verhalten des Modells stammt, sollte sie das sein —, stützen Sie sich derzeit auf ein aus zweiter Hand stammendes Zitat einer Unternehmensaussage. Eine Million Stunden sind rund 114 Jahre Audio. Es ist eine plausible Zahl für eine Plattform, die 100 Millionen Anrufe pro Monat abwickelt, und Plausibilität ist keine Dokumentation.

Was in maschinenlesbarer Form dokumentiert ist, ist der Benchmark. Die vCX-Website von Retell stellt ihre Ergebnisse als strukturierte Daten bereit, und die Zeile „Tell 1“ lautet: 88,6 % Instruction-Following, 97,2 % in der von Retell als Halluzination gekennzeichneten Zeile, 95,4 % Tool Calling, 96,6 % beim Score der umgangssprachlichen Dimension – im Durchschnitt 94,45 % über 62 evaluierte Konfigurationen von 45 verschiedenen Modellen. Die mediane Latenz beträgt 72,5 ms und die Kosten betragen 3,5 Cent pro Minute, womit es bei der Latenz von 62 den ersten Platz und bei den Kosten den 19. Platz belegt.

Der Vorbehalt in der Bestenliste

Lesen Sie die {{1}}Zeile{{/1}} vor dem {{2}}Rang{{/2}}. Der Eintrag {{3}}Tell 1{{/3}} wurde auf Benchmark-Version 17 bewertet. Fünfzig der 62 Zeilen in derselben Tabelle wurden auf Version 1 bewertet. Nur elf Zeilen liegen überhaupt auf einer Version über 1 – die neuesten {{4}}GPT-6.1{{/4}}- und G​emini-4-Einträge, ein paar Claude-Builds und {{5}}Tell 1{{/5}}. Ein Benchmark, der seinen Testsatz weiterentwickelt, handelt richtig; das Problem ist, dass ein „{{6}}#1 insgesamt{{/6}}“, das über Zeilen aus verschiedenen Testversionen berechnet wird, kein vergleichbares Ranking auf gleicher Grundlage ist, und die Seite gleicht dies nicht aus.

Zwei der vier Dimensionen liegen ebenfalls näher beieinander, als es die Schlagzeile nahelegt. Die Tool-Calling-Wertung von Tell 1 mit 95,4 % rangiert auf Platz fünf, seine Instruction-Following-Wertung mit 88,6 % auf Platz zwei hinter GPT-6-Astra mit 89,7 %. Wirklich vorn liegt es in der Dimension, auf die Retell den Benchmark ausgerichtet hat: bei der Umgangssprache mit 96,6 % auf Platz eins und bei der Latenz, wo 72 ms nicht bloß ein Rundungsunterschied zu dem Bereich von 550–1.400 ms sind, in dem sich die meisten Zeilen bewegen. Wenn man dem Harness glaubt, ist die Behauptung, die einer Prüfung standhält, eng umrissen und konkret – dieses Modell ist schnell und klingt wie ein Mensch –, und genau dieses Eigenschaftspaar ist es, an dem ein Anrufer einen Telefonagenten beurteilt, der nicht weiß, dass es ein Modell gibt.

Warum eine Plattform überhaupt ein eigenes Modell baut

Retells eigene Architektur erklärt den Anreiz. Die Homepage unterteilt den Stack in drei Schritte und setzt Tell 1 in den mittleren, „Reasoning & Orchestrierung“, neben ein Agent-Harness, das Modelle, Wissen und Tools zusammenbringt. In dieser Position ist ein Modell kein Produkt, das man kauft, sondern eine Komponente, deren Kosten, Latenz und Gesprächsregister man kontrolliert. Eine Plattform, die bei jedem der 100 Millionen monatlichen Anrufe pro Token an ein Frontier-Labor zahlt, hat ein dauerhaftes Margenproblem und eine dauerhafte Latenzuntergrenze, weil der Roundtrip zu einem Drittanbieter-Inferenz-Stack in der Pause des Anrufers liegt. Die mittlere Schicht selbst zu besitzen, beseitigt beides – um den Preis, in den übernommenen Teilen gut genug sein zu müssen.

Das ist auch der Grund, warum die Lücken, die Retell einräumt, genau die sind, die es sich leisten kann. Grounding, Instruction Following und Tool Calling sind Bereiche, in denen ein allgemeines Frontier-Modell noch gewinnt, und es sind die Dimensionen, in denen der eigene Prompt, die Wissensdatenbank und die Funktionsdefinitionen eines Kunden den Großteil der Arbeit leisten. Die Dimensionen, die Retell für sich behalten hat, sind die, die kein Prompt beheben kann: wie schnell die erste Silbe kommt und ob der Satz wie ein Callcenter-Skript oder wie ein Kollege klingt.

Die Preisgestaltung, die beim Käufer ankommt, erfolgt weiterhin pro Minute, nicht pro Token: Retell listet Voice-Agents mit Stand November 2026 mit 0,07 bis 0,31 US-Dollar pro Minute – eine Spanne, die Telefonie, Sprachsynthese und das Modell bündelt. Tell 1 erscheint nicht als Einzelposten, den man auswählen oder ablehnen kann; das ist der praktische Unterschied zwischen einem Modell und einer Plattformfunktion. Man kann Tell 1 nicht selbst mitbringen, und man kann es nirgendwohin mitnehmen.

Was das bedeutet, wenn Sie kaufen statt selbst zu bauen

Für ein Enterprise-Contactcenter lautet die ehrliche Zusammenfassung, dass Tell 1 ein Grund ist, Retell erneut zu testen, aber noch kein Grund, sich darauf festzulegen. Drei Dinge würden das ändern, und keines davon ist eingetreten. Eine Model Card, in der die Herkunft der Trainingsdaten, das Kontextfenster und der Tool-Calling-Vertrag schriftlich festgehalten sind. Ein veröffentlichter Preis für das Modell getrennt vom Minuten-Bundle, sodass die Kosten mit einer Bring-your-own-LLM-Konfiguration verglichen werden können. Und eine Evaluation durch eine zweite Partei – Artificial Analysis, ein öffentlicher Voice-Benchmark oder Ihre eigenen Anrufaufzeichnungen, die durch beide Konfigurationen laufen –, denn wenn ein Anbieter sich selbst auf seiner eigenen Testumgebung auf Platz eins setzt, ist das eine Ausgangshypothese, kein Ergebnis.

Wenn Sie testen, ist der Test günstig und spezifisch: Nehmen Sie die Anrufe, die Ihre Agenten tatsächlich bearbeiten, und vergleichen Sie Tell 1 in Retell mit demselben Retell-Agenten, der auf ein Frontier-Modell ausgerichtet ist, dem Sie bereits vertrauen. Der Benchmark sagt ein Ergebnis voraus – Tell 1 wird sich schneller und natürlicher anfühlen und mehr Grounding-Fehler machen. Ob dieser Kompromiss gut ist, hängt ganz davon ab, ob Ihre Anrufe Nachschlagevorgänge mit einer richtigen Antwort oder Gespräche mit einer nervösen Person sind, und keine Bestenliste kann Ihnen sagen, welchen Fall Sie haben.

Was zu sehen

Die informativste nächste Entwicklung ist kein besserer Score. Es ist jedes der Dinge, die Retell bisher nicht veröffentlicht hat: die Modellkarte, die Angabe zu den Trainingsstunden in eigenen Worten, einen Preis pro Modell oder einen unabhängigen Lauf. Ein Unternehmen mit einer Run Rate von 100 Millionen US-Dollar und 4.000 Kunden hat allen Grund, alle vier zu veröffentlichen, und die Tatsache, dass derzeit eine Notiz zu einem Benchmark-Update der gesamte öffentliche Nachweis ist, legt nahe, dass das Modell in Produktion ging, bevor es in die Dokumentation ging. Das ist für Infrastruktur normal und für ein Modell ungewöhnlich, und genau das sollte man erneut prüfen, bevor man irgendeine Zahl zu Tell 1 – einschließlich der oben genannten – als gesichert zitiert.