Tell 1 vs. Gemma 4 12B: Das eine kann man auf eine Diskette packen, das andere kann man nur anrufen

Der schnellste Weg, den Unterschied zwischen Tell 1 und G​emma 4 12B zu verstehen, besteht darin, beide herunterzuladen. G​emma 4 12B kommt als rund 27 GB BF16-Safetensors unter Apache 2.0, läuft in einem quantisierten Build mit etwa 110 Tokens pro Sekunde auf einer einzelnen 24-GB-Karte und antwortet nur dir und niemandem sonst. Tell 1 lässt sich überhaupt nicht herunterladen. Es ist Retells eigenes Reasoning-Modell, das in einer Voice-Agent-Plattform steckt, die 0,07 bis 0,31 US-Dollar pro Minute berechnet und das Modell weder verkauft noch eine Modellkarte dafür veröffentlicht oder es Ihnen erlaubt, es auf Ihrer eigenen Infrastruktur zu betreiben. Alles andere in diesem Vergleich ergibt sich aus dieser Asymmetrie, einschließlich der Benchmarks, denn eines dieser Modelle kann von jedem mit einer GPU gemessen werden, und das andere nur von dem Unternehmen, dem es gehört.

Beide sind wirklich interessante Veröffentlichungen, und sie wurden für unterschiedliche Aufgaben gebaut. Gemma 4 12B ist das encoderfreie, mittelgroße offene Modell von Google DeepMind, veröffentlicht am 3. Juni 2026, entwickelt, um multimodales Reasoning auf dem Rechner direkt vor Ihnen durchzuführen. Tell 1 ist die Reasoning-Schicht eines Contact-Center-Stacks, der mehr als 100 Millionen Anrufe pro Monat bewältigte, bevor das Modell existierte, und sein Designziel ist das eine, was ein lokales Modell nicht liefern kann: eine erste Silbe, die innerhalb der Stille-Toleranz eines Telefonanrufers liegt.

Zwei Dinge, die als Modell bezeichnet werden – und nur eines davon ist eine Datei

Gemma 4 12B hat 11,95 Milliarden dichte Parameter, ohne separaten Vision- oder Audio-Encoder – Bild-Patches und Audiowellenformen gehen direkt in den Transformer, weshalb die Familie als ein einziger „vereinheitlichter“ Checkpoint und nicht als Stapel von Türmen ausgeliefert wird. Das Modell verfügt über einen 256K-Token-Kontext und liest Text, Bilder, Audio und Video-Frames. Das Hugging-Face-Repository wurde mehr als 14 Millionen Mal heruntergeladen, die Chat-Vorlage wurde zuletzt am 9. Juli 2026 überarbeitet, und die Lizenz ist Apache 2.0 – ohne Umsatzklausel, ohne Nutzeranzahlklausel und ohne separate kommerzielle Vereinbarung, über die verhandelt werden müsste.

Tell 1 weist keines dieser Artefakte auf. Auf Retells eigener Website habe ich nirgends ein Repository, eine Konfiguration, einen Tokenizer, einen Lizenztext oder eine Angabe zur Kontextfenstergröße veröffentlicht gefunden – und ich habe den Blog, das Changelog, den Docs-Index, den Newsroom und die Modell-Benchmark-Website des Unternehmens durchgesehen. Die einzigen zwei Stellen, an denen es überhaupt auftaucht, sind eine Bezeichnung auf der Startseite, wo es neben „Agent-Harness“ unter einer mit „Entwickelt von Retell Labs“ überschriebenen Sektion steht, und eine November-Aktualisierungsnotiz, die einem September-Changelog über Retells öffentlichen Voice-Benchmark hinzugefügt wurde. Das ist der gesamte öffentliche Stand. Das ist kein Skandal; viele Plattformanbieter liefern interne Modelle aus, ohne sie zu dokumentieren. Aber es bedeutet, dass die Hälfte dieses Vergleichs auf Basis der Aussagen des Anbieters erfolgen muss und die andere Hälfte von Ihnen – heute Abend, auf Ihrer eigenen Hardware – durchgeführt werden kann.

Die fünf Fragen, die einer von ihnen öffentlich beantwortet

Stellen Sie die beiden nebeneinander anhand der Dimensionen, die ein Käufer tatsächlich braucht, und die Form der Lücke wird offensichtlich. Beide Seiten jeder Zeile, denn worauf es ankommt, ist der Kontrast und nicht eine Bewertung:

• Gewichte — G​emma 4 12B veröffentlicht sie, Apache 2.0, selbst hostbar, feinabstimmbar, weiterverbreitbar; Tell 1 veröffentlicht nichts und ist nur als Teil eines Retell-Sprachagenten erreichbar.

• Größe — 11,95B dichte Parameter, etwa 27 GB in BF16 und unter 7 GB quantisiert, für G​emma; für Tell 1 nicht angegeben, und die Tatsache, dass es mit einem Median von 72 ms innerhalb von Retells Harness antwortet, legt ein kleines, zweckgebautes Modell nahe statt eines Frontier-Generalisten, aber das ist eine Schlussfolgerung, keine Dokumentation.

• Kontext — 256K Token für G​emma 4 12B; für Tell 1 nicht angegeben, was bei einem Telefonagenten weniger alarmierend ist, als es klingt, da ein Anruf kurz ist und die Wissensdatenbank außerhalb des Modells liegt.

• Modalitäten — G​emma nimmt Text, Bild, Audio und Video entgegen und gibt Text zurück; Tell 1 nimmt die Payload aus Transkript und Tools entgegen, die ihm eine Sprachplattform übergibt, und was es sonst noch akzeptiert, ist nicht veröffentlicht.

• BelegeG​emma hat eine Anbieterkarte (DocVQA 94,9, InfoVQA 88,4, MMLU-Pro 77,2, GPQA Diamond 78,8, alle von G​oogle gemeldet) plus einen unabhängigen Artificial Analysis Intelligence Index von 14 bei etwa 110,9 Token pro Sekunde; Tell 1 hat eine Zeile in einem Benchmark, den sein Eigentümer geschrieben hat, was unten behandelt wird.

Beachten Sie, welche Spalte länger ist. Das ist kein Seitenhieb auf die Qualität von Tell 1; es sagt etwas darüber aus, was Sie überprüfen können, bevor Sie Geld ausgeben. Ein Modell, das Sie herunterladen können, lässt sich an einem Nachmittag mit Ihren eigenen Daten testen. Ein Modell, das Sie nur mieten können, wird durch Mieten getestet.

Was die Schlagzeilen-Kennzahl von Tell 1 tatsächlich misst

{{1}}Retells vCX Benchmark veröffentlicht seine Ergebnisse als strukturierte Daten statt als Marketing-Diagramm – mehr, als die meisten Anbieter-Bestenlisten tun. Tell 1 steht in einer Tabelle mit 62 bewerteten Konfigurationen aus 45 Modellen, und seine Zeile ist am konversationellen Ende am stärksten: 96,6 % in Retells umgangssprachlicher Dimension und ein Median von 72,5 ms – in beiden Bereichen an erster Stelle im Feld. Dieselbe Zeile belegt den zweiten Platz bei der Instruktionsbefolgung und in der Zeile, die Retell als Halluzination kennzeichnet, den fünften Platz bei Tool-Aufrufen sowie Modellkosten von 3,5 Cent pro Minute, die es auf Platz 19 von 62 bringen. Bildet man den Durchschnitt der vier Dimensionen, erhält man 94,45 %, die Retell als führenden Wert nennt.{{/1}}

Zu diesen Platzierungen gehören zwei Einschränkungen, und keine davon bedeutet, dass Retell unehrlich wäre – die Daten geben einfach keine eindeutigere Lesart her. Erstens trägt die Zeile von Tell 1 die Benchmark-Version 17, während 50 der 62 Zeilen Version 1 tragen; ein Benchmark, der seine Aufgaben überarbeitet, handelt richtig, aber ein „#1 overall“, das über zwei verschiedene Testsets hinweg berechnet wird, ist ein Aggregat und kein direkt vergleichbares Ergebnis, und die Seite normalisiert dafür nicht. Zweitens stimmen die vier Dimensionen nicht überein. Tell 1 ist in seinem eigenen Benchmark nicht das beste Modell beim Befolgen von Anweisungen oder beim Aufrufen von Tools – GPT-6-Astra erreicht 89,7 % beim Befolgen von Anweisungen gegenüber 88,6 % bei Tell 1, und mindestens eine Claude-Version liegt bei Tool-Aufrufen knapp vorn. Was es eindeutig gewinnt, sind die zwei Dinge, die ein Anrufer hören kann: Es ist das schnellste und klingt am meisten wie ein Mensch.

Eine Zahl sollte man auseinanderhalten, weil in der Berichterstattung beide vermischt werden: 72 ms ist die Latenz des Modells innerhalb des Harness, nicht das, was der Anrufer erlebt. Auf der Startseite von Retell wird eine typische Antwortzeit des Agenten von etwa 600 ms Ende-zu-Ende angegeben, was Spracherkennung, Orchestrierung, den Modell-Turn und Sprachsynthese umfasst. Beide Zahlen können zutreffen. Nur die zweite ist das, was eine Person am Telefon wahrnimmt.

Wo jedes einzelne in einem Stapel hingehört

G​emma 4 12B eignet sich schlecht für einen Live-Telefonagenten, und zwar nicht wegen der Qualität. Ein dichtes 12B-Modell auf einer einzelnen GPU ist eine gute Komponente, aber der Roundtrip durch den eigenen Serving-Stack plus Spracherkennung und -synthese ist das, was die End-to-End-Antwort in den Bereich verschiebt, in dem Anrufer dem Agenten ins Wort zu fallen beginnen. G​oogles eigene Einordnung für das 12B ist agentische Arbeit auf einem Laptop – Dokumentverständnis, Bildschirmlesen, Tool-Nutzung, Programmierhilfe – und diese Einordnung ist zutreffend. Wenn es in Ihrem Fall um hunderttausend Rechnungen pro Nacht geht, um einen privaten Korpus, den Sie nicht an Dritte senden können, oder um ein Offline-Feldgerät, kann Tell 1 nicht mithalten, weil Tell 1 dort überhaupt nicht eingesetzt werden kann.

Tell 1 ist das Gegenteil. Es kann Retell nicht verlassen, kann von Ihnen nicht auf Ihre Transkripte feinabgestimmt werden und kann ohne Retells Mitwirkung nicht von Dritten einem Benchmark unterzogen werden. Was es kann: innerhalb einer Plattform antworten, die bereits die Telefonie, den Sprecherwechsel und die Stimme besitzt – und das in 72 ms, also genau in dem Teil des Stacks, den noch so viel Prompt-Engineering nicht repariert. Wenn Sie einen Contact-Center-Agenten kaufen statt ihn zu bauen, ist das die einzige Spalte, die zählt.

Der Mittelweg ist das, wofür sich die meisten Teams tatsächlich entscheiden: ein kleines selbst gehostetes Modell für den Großteil der deterministischen Arbeit und ein gehostetes Frontier-Modell für die schwierigen Fälle. Keines dieser beiden Modelle ist die natürliche Wahl für diesen zweiten Platz, und hier kommt unser eigener Katalog ins Spiel. Weder Tell 1 noch G​emma 4 12B lassen sich über OrcaRouter routen — wir hosten Tell 1 nicht, und die G​emma-4-Größen, die wir anbieten, sind die 31B Instruct und die 26B A4B, nicht die 12B. Diese beiden werden zum Listenpreis des Anbieters ohne Aufschlag bepreist, $0.13 für Eingabe und $0.38 für Ausgabe pro Million Tokens für das 31B sowie $0.06 und $0.33 für das 26B A4B, was der ehrliche Vergleichspunkt ist, wenn Sie mit der 12B eigentlich „ein G​emma 4 wollten, das ich aufrufen kann, ohne eine GPU zu besitzen“.

Kosten, umgerechnet in dieselbe Einheit

Einen Plattformpreis pro Minute gegen einen Modellpreis pro Token zu vergleichen, ist der Punkt, an dem die meisten dieser Beiträge stillschweigend schummeln; deshalb hier die Umrechnung statt eines Urteils. Tell 1 wird nicht separat bepreist; es steckt in Retells 0,07 bis 0,31 US-Dollar pro Minute, und die Benchmark-Zeile, in der es geführt wird, nennt 3,5 Cent pro Minute an Modellkosten, was innerhalb dieses Korridors liegt, statt ihn zu ersetzen. G​emma 4 12B ist bei den von Artificial Analysis gemischten 0,10 US-Dollar pro Million Input- und 0,30 US-Dollar pro Million Output-Token pro Token praktisch kostenlos, und dann zahlt man für die GPU: Eine 24-GB-Karte, die eine Stunde läuft, kostet mehr als tausend Minuten aus Retells günstigster Stufe, sodass der Schnittpunkt nur bei dauerhaftem Volumen mit hoher Auslastung entsteht.

• Kosteneinheit — Dollar pro Gesprächsminute für Tell 1; Dollar pro Million Tokens plus GPU-Stunden für G​emma 4 12B.

• Break-even — Gemma gewinnt bei den Grenzkosten, sobald Ihre GPUs ohnehin schon ausgelastet sind; Tell 1 gewinnt bei den Gesamtbetriebskosten, bis das Volumen groß genug ist, um eine Karte dauerhaft auszulasten.

• Versteckte Rechnungspositionen — Tell 1 bündelt Telefonie, Sprachsynthese und die Harness in einer einzigen Nummer; ein selbstgehosteter G​emma-Stack rechnet ASR, T​TS, die Serving-Schicht und den Bereitschaftsingenieur separat mit Ihnen ab.

Welchen soll man wählen?

Wenn die Anforderung in diesem Quartal ein Telefonagent ist, der menschlich klingt, ist Tell 1 der einzige der beiden, der ein Produkt ist, und der Benchmark – Einschränkungen inklusive – sagt, dass das, worin er am besten ist, genau das ist, was Sie kaufen. Testen Sie ihn gegen das Modell, dem Sie derzeit vertrauen, innerhalb desselben Retell-Agenten, hören Sie sich zwanzig Anrufe an und zählen Sie die Grounding-Fehler, denn genau dort verliert er laut Retells eigenen Daten.

Wenn die Anforderung ein Modell ist, das man inspizieren, feinabstimmen, privat hosten, innerhalb eines Produkts weitervertreiben oder ohne Netzwerk betreiben kann, ist G​emma 4 12B nicht nur die bessere Option — es ist die einzige Option auf dieser Seite. Apache 2.0 und ein 256K-Kontext bei 12B sind eine Kombination, die mit jedem Monat nützlicher wird, und die 14 Millionen Downloads deuten darauf hin, dass viele Teams bereits zu diesem Schluss gekommen sind.

Die Frage, die man sich vor einem der beiden Käufe stellen sollte, ist, welcher dieser beiden Sätze Ihr Problem beschreibt, denn es handelt sich nicht um dasselbe Problem, und kein Benchmark kann Ihnen sagen, welches Sie haben.