Tell 1 vs Gemma 4 12B: uno que puedes poner en un disco, otro al que solo puedes llamar por teléfono

La forma más rápida de entender la diferencia entre Tell 1 y G​emma 4 12B es intentar descargar ambos. G​emma 4 12B llega como aproximadamente 27 GB de safetensors en BF16 bajo Apache 2.0, se ejecuta a unos 110 tokens por segundo en una sola tarjeta de 24 GB en una versión cuantizada, y solo te responde a ti. Tell 1 no llega en absoluto. Es el propio modelo de razonamiento de Retell, que está dentro de una plataforma de agentes de voz que cobra entre $0.07 y $0.31 por minuto y no vende el modelo, no publica una ficha del modelo ni te permite apuntarlo a tu propia infraestructura. Todo lo demás en esta comparación se deriva de esa asimetría, incluidos los benchmarks, porque uno de estos modelos puede medirlo cualquiera que tenga una GPU y al otro solo puede medirlo la empresa que lo posee.

Ambos son lanzamientos genuinamente interesantes, y fueron creados para trabajos diferentes. Gemma 4 12B es el modelo abierto de tamaño mediano sin codificador de Google DeepMind, publicado el 3 de junio de 2026, diseñado para realizar razonamiento multimodal en la máquina que tienes delante. Tell 1 es la capa de razonamiento de una pila de centro de contacto que gestionaba más de 100 millones de llamadas al mes antes de que el modelo existiera, y su objetivo de diseño es lo único que un modelo local no puede ofrecer: una primera sílaba que llegue dentro de la tolerancia al silencio de quien llama por teléfono.

Dos cosas llamadas modelo, y solo una es un archivo

Gemma 4 12B tiene 11,95 mil millones de parámetros densos sin un codificador de visión o audio separado: los parches de imagen y las formas de onda de audio van directamente al transformer, por lo que la familia se distribuye como un único checkpoint "unificado" en lugar de una pila de torres. Tiene una ventana de contexto de 256K tokens y lee texto, imágenes, audio y fotogramas de vídeo. El repositorio de Hugging Face se ha descargado más de 14 millones de veces, la plantilla de chat se revisó por última vez el 9 de julio de 2026 y la licencia es Apache 2.0, sin cláusula de ingresos, sin cláusula de número de usuarios y sin un acuerdo comercial separado que negociar.

Tell 1 no tiene ninguno de esos artefactos. No hay repositorio, ni configuración, ni tokenizador, ni texto de licencia, ni cifra de ventana de contexto publicada en ningún lugar que pudiera encontrar en el propio sitio de Retell — y miré el blog, el registro de cambios, el índice de documentación, la sala de prensa y el sitio de benchmarks de modelos de la empresa. Los dos únicos lugares donde aparece son una etiqueta en la página de inicio, donde está junto a "Agent harness" bajo una sección titulada "Developed by Retell Labs", y una nota de actualización de noviembre añadida a un registro de cambios de septiembre sobre el benchmark de voz público de Retell. Ese es todo el registro público. No es un escándalo; muchos proveedores de plataformas lanzan modelos internos sin documentarlos. Pero sí significa que la mitad de esta comparación tiene que hacerse según la palabra del proveedor, y la otra mitad puedes hacerla tú, esta noche, en tu propio hardware.

Las cinco preguntas que uno de ellos responde en público.

Coloque los dos uno al lado del otro en las dimensiones que un comprador realmente necesita, y la forma de la brecha se vuelve evidente. Ambos lados de cada línea, porque lo importante es el contraste y no una puntuación:

• Pesos — Gemma 4 12B los publica, Apache 2.0, autoalojable, ajustable mediante fine-tuning, redistribuible; Tell 1 no publica nada y solo es accesible como parte de un agente de voz de Retell.

• Tamaño — 11,95B de parámetros densos, unos 27 GB en BF16 y menos de 7 GB cuantizado, para G​emma; no divulgado para Tell 1, y el hecho de que responda con una mediana de 72 ms dentro del arnés de Retell implica un modelo pequeño y diseñado para un propósito específico en lugar de un generalista de frontera, pero eso es una inferencia, no documentación.

• Contexto — 256K tokens para G​emma 4 12B; no especificado para Tell 1, lo que para un agente telefónico es menos alarmante de lo que parece, ya que una llamada es corta y la base de conocimiento vive fuera del modelo.

• Modalidades — G​emma acepta texto, imagen, audio y vídeo y devuelve texto; Tell 1 acepta la carga útil de transcripción y herramientas que le entrega una plataforma de voz, y no se publica qué más acepta.

• Evidencia — G​emma tiene una ficha de proveedor (DocVQA 94.9, InfoVQA 88.4, MMLU-Pro 77.2, GPQA Diamond 78.8, todos reportados por G​oogle) además de un Artificial Analysis Intelligence Index independiente de 14 a aproximadamente 110.9 tokens por segundo; Tell 1 tiene una fila en un benchmark escrito por su propietario, que se cubre a continuación.

Fíjate en qué columna es más larga. Esto no es una crítica a la calidad de Tell 1; es una afirmación sobre lo que puedes verificar antes de gastar dinero. Un modelo que puedes descargar se puede probar con tus propios datos en una tarde. Un modelo que solo puedes alquilar se prueba alquilándolo.

Qué mide realmente la cifra destacada de Tell 1

El vCX Benchmark de Retell publica sus resultados como datos estructurados en lugar de como un gráfico de marketing, lo que supera a la mayoría de las clasificaciones de proveedores. Tell 1 aparece en una tabla de 62 configuraciones evaluadas extraídas de 45 modelos, y su fila es la más fuerte en el extremo conversacional: 96,6 % en la dimensión coloquial de Retell y una mediana de 72,5 ms, primero del sector en ambas. La misma fila muestra el segundo puesto en seguimiento de instrucciones y en la fila que Retell etiqueta como alucinación, el quinto en llamada a herramientas, y un coste de modelo de 3,5 centavos por minuto que lo sitúa en el puesto 19 de 62. Si se promedian las cuatro dimensiones, se obtiene 94,45 %, que es la cifra con la que Retell encabeza.

Hay dos salvedades que deben acompañar a esas clasificaciones, y ninguna de ellas implica que Retell esté siendo deshonesto: los datos simplemente no permiten una lectura más limpia. Primero, la fila de Tell 1 corresponde a la versión 17 del benchmark, mientras que 50 de las 62 filas corresponden a la versión 1; un benchmark que revisa sus tareas hace lo correcto, pero el "#1 en general" calculado a partir de dos conjuntos de pruebas diferentes es un agregado, no un resultado comparable en igualdad de condiciones, y la página no lo normaliza. Segundo, las cuatro dimensiones no concuerdan. Tell 1 no es el mejor modelo de su propio benchmark siguiendo instrucciones ni llamando herramientas: GPT-6-Astra obtiene un 89,7 % en seguimiento de instrucciones frente al 88,6 % de Tell 1, y al menos una versión de Claude se le adelanta en llamadas a herramientas. Lo que gana de forma indiscutible son las dos cosas que quien llama puede oír: es el más rápido y es el que más suena como una persona.

Un dato que conviene no confundir, porque ambos se mezclan en la cobertura: 72 ms es la latencia del modelo dentro del harness, no la experiencia de quien llama. La página de inicio de Retell cita un tiempo de respuesta típico del agente de alrededor de 600 ms de extremo a extremo, que incluye reconocimiento de voz, orquestación, el turno del modelo y síntesis de voz. Ambas cifras pueden ser ciertas. Solo la segunda es lo que percibe una persona al teléfono.

Dónde va cada uno en una pila

G​emma 4 12B no es una buena opción para un agente telefónico en vivo, y no por su calidad. Un modelo denso de 12B en una sola GPU es un buen componente, pero el recorrido de ida y vuelta por tu propio stack de servicio, sumado al reconocimiento y la síntesis de voz, es lo que empuja la respuesta de extremo a extremo hasta el rango en el que quienes llaman empiezan a hablar por encima del agente. El propio encuadre de G​oogle para el 12B es el trabajo agéntico en un portátil —comprensión de documentos, lectura de pantalla, uso de herramientas, ayuda con la programación—, y ese encuadre es preciso. Si tu trabajo son cien mil facturas por noche, un corpus privado que no puedes enviar a un tercero o un dispositivo de campo sin conexión, Tell 1 no puede competir, porque Tell 1 no se puede desplegar allí en absoluto.

Tell 1 es lo contrario. No puede salir de Retell, no puedes ajustarlo con tus transcripciones y no puede someterse a benchmarks por parte de terceros sin la cooperación de Retell. Lo que sí puede hacer es responder dentro de una plataforma que ya controla la telefonía, los turnos de palabra y la voz, y hacerlo en 72 ms, que es la parte del stack que ninguna cantidad de ingeniería de prompts arregla. Si compras un agente de centro de contacto en lugar de construirlo, esa es la única columna que importa.

El punto medio es donde la mayoría de los equipos acaba en la práctica: un modelo pequeño autoalojado para el grueso del trabajo determinista y un modelo de frontera alojado para las situaciones difíciles. Ninguno de estos dos modelos es la opción natural para esa segunda posición, y aquí es donde nuestro propio catálogo resulta relevante. Ni Tell 1 ni G​emma 4 12B se pueden enrutar a través de OrcaRouter —no alojamos Tell 1, y los tamaños de G​emma 4 que ofrecemos son el 31B Instruct y el 26B A4B, no el 12B. Esos dos tienen el precio de lista del proveedor sin nada añadido, $0.13 de entrada y $0.38 de salida por millón de tokens para el 31B, y $0.06 y $0.33 para el 26B A4B, que es el punto de comparación honesto si lo que querías del 12B era "un G​emma 4 al que pueda llamar sin tener una GPU".

Costo, convertido a la misma unidad

Comparar un precio de plataforma por minuto con un precio de modelo por token es justo donde la mayoría de estos artículos hacen trampa de forma sutil, así que aquí está la conversión, no un veredicto. Tell 1 no se factura por separado; está dentro de los $0.07 a $0.31 por minuto de Retell, y la fila del benchmark que lo incluye indica 3,5 centavos por minuto de coste de modelo, lo cual queda dentro de ese rango en lugar de sustituirlo. Gemma 4 12B, con el precio combinado de Artificial Analysis de $0.10 por millón de entrada y $0.30 por millón de salida, es prácticamente gratis por token, y luego pagas la GPU: una tarjeta de 24 GB funcionando durante una hora cuesta más que mil minutos del nivel más barato de Retell, así que el punto de cruce solo se alcanza con volumen sostenido y alta utilización.

• Unidad de costo — dólares por minuto de conversación para Tell 1; dólares por millón de tokens más horas de GPU para G​emma 4 12B.

• Punto de equilibrio — Gemma gana en coste marginal en el momento en que tus GPU ya están ocupadas; Tell 1 gana en coste total de propiedad hasta que el volumen sea lo bastante grande como para mantener una tarjeta saturada.

• Líneas de pedido ocultas — Tell 1 agrupa la telefonía, la síntesis de voz y el harness en un único número; un stack de G​emma autoalojado te factura por separado el ASR, el T​TS, la capa de servicio y el ingeniero de guardia.

¿Cuál elegir?

Si el requisito es un agente telefónico que suene humano este trimestre, Tell 1 es el único de los dos que es un producto, y la evaluación comparativa —incluidas las salvedades— indica que aquello en lo que es mejor es exactamente lo que usted está comprando. Pruébelo con el modelo en el que confía actualmente dentro del mismo agente de Retell, escuche veinte llamadas y cuente los errores de fundamentación, porque ahí es donde los propios datos de Retell indican que pierde.

Si el requisito es un modelo que se pueda inspeccionar, ajustar, alojar de forma privada, redistribuir dentro de un producto o ejecutar sin conexión de red, G​emma 4 12B no es simplemente la mejor opción: es la única opción en esta página. Apache 2.0 y un contexto de 256K en 12B son una combinación que resulta más útil cada mes, y las 14 millones de descargas sugieren que muchos equipos ya han llegado a esa conclusión.

La pregunta que vale la pena hacerse antes de cualquiera de las dos compras es cuál de esas dos frases describe tu problema, porque no son el mismo problema, y ningún benchmark puede decirte cuál tienes.