Tell 1 vs Gemma 4 12B : l'un que l'on peut mettre sur un disque, l'autre que l'on ne peut qu'appeler

Le moyen le plus rapide de comprendre la différence entre Tell 1 et G​emma 4 12B est d’essayer de télécharger les deux. G​emma 4 12B se présente sous la forme d’environ 27 Go de safetensors BF16 sous Apache 2.0, tourne à environ 110 tokens par seconde sur une seule carte de 24 Go dans une version quantifiée, et ne répond qu’à vous. Tell 1, lui, n’arrive pas du tout. C’est le modèle de raisonnement maison de Retell, intégré à une plateforme d’agents vocaux qui facture entre 0,07 $ et 0,31 $ par minute et ne vend pas le modèle, ne publie pas de fiche modèle à son sujet et ne vous permet pas de le faire pointer vers votre propre infrastructure. Tout le reste de cette comparaison découle de cette asymétrie, y compris les benchmarks, car l’un de ces modèles peut être mesuré par quiconque dispose d’un GPU, tandis que l’autre ne peut être mesuré que par l’entreprise qui le possède.

Toutes deux sont des sorties réellement intéressantes, et elles ont été conçues pour des tâches différentes. G​emma 4 12B est le modèle ouvert de taille moyenne sans encodeur de G​oogle DeepMind, publié le 3 juin 2026, conçu pour effectuer du raisonnement multimodal sur la machine qui se trouve devant vous. Tell 1 est la couche de raisonnement d’une pile technologique de centre de contact qui traitait plus de 100 millions d’appels par mois avant même l’existence du modèle, et son objectif de conception est la seule chose qu’un modèle local ne peut pas fournir : une première syllabe qui tombe dans la fenêtre de tolérance au silence d’un appelant téléphonique.

Deux choses appelées modèle, et une seule est un fichier

Gemma 4 12B compte 11,95 milliards de paramètres denses, sans encodeur visuel ou audio séparé : les patchs d’image et les formes d’onde audio entrent directement dans le transformer, ce qui explique pourquoi la famille est livrée sous la forme d’un seul point de contrôle « unifié » plutôt que d’une pile de tours. Elle dispose d’un contexte de 256K tokens et lit du texte, des images, de l’audio et des trames vidéo. Le dépôt Hugging Face a été téléchargé plus de 14 millions de fois, le modèle de chat a été révisé pour la dernière fois le 9 juillet 2026, et la licence est Apache 2.0, sans clause de revenus, sans clause sur le nombre d’utilisateurs et sans accord commercial distinct à négocier.

Tell 1 ne présente aucun de ces artefacts. Aucun dépôt, aucune configuration, aucun tokeniseur, aucun texte de licence et aucun chiffre de fenêtre de contexte n’est publié où que ce soit que j’aie pu trouver sur le site de Retell — et j’ai consulté le blog, le journal des modifications, l’index de la documentation, la salle de presse et le site d’évaluation des modèles de l’entreprise. Les deux seuls endroits où il apparaît, tout simplement, sont une étiquette sur la page d’accueil, où il figure à côté de « Agent harness » dans une section intitulée « Developed by Retell Labs », et une note de mise à jour de novembre ajoutée à un journal des modifications de septembre concernant le benchmark vocal public de Retell. C’est tout ce qui existe dans le domaine public. Ce n’est pas un scandale ; de nombreux fournisseurs de plateformes livrent des modèles internes sans les documenter. Mais cela signifie que la moitié de cette comparaison doit être menée sur la foi des déclarations du fournisseur, et que l’autre moitié peut être menée par vous, ce soir, sur votre propre matériel.

Les cinq questions auxquelles l’un d’entre eux répond en public

Placez les deux côte à côte sur les dimensions dont un acheteur a réellement besoin, et la forme de l’écart devient évidente. Les deux côtés de chaque ligne, car ce qui compte est le contraste plutôt qu’un score :

• Poids — G​emma 4 12B les publie, sous licence Apache 2.0, auto-hébergeables, affinables, redistribuables ; Tell 1 ne publie rien et n'est accessible qu'en tant que partie d'un agent vocal Retell.

• Taille — 11,95 milliards de paramètres denses, environ 27 Go en BF16 et moins de 7 Go quantifié, pour G​emma ; non divulgué pour Tell 1, et le fait qu’il réponde avec une médiane de 72 ms dans le harnais de Retell implique un petit modèle conçu sur mesure plutôt qu’un généraliste de pointe, mais il s’agit d’une inférence, pas d’une documentation.

• Contexte — 256K tokens pour G​emma 4 12B ; non précisé pour Tell 1, ce qui, pour un agent téléphonique, est moins alarmant que cela n'en a l'air, étant donné qu'un appel est court et que la base de connaissances vit en dehors du modèle.

• Modalités — G​emma prend du texte, des images, de l’audio et de la vidéo et renvoie du texte ; Tell 1 prend la charge utile transcript-and-tools qu’une plateforme vocale lui transmet, et les autres éléments qu’il accepte ne sont pas publiés.

• Preuves — G​emma dispose d'une fiche fournisseur (DocVQA 94,9, InfoVQA 88,4, MMLU-Pro 77,2, GPQA Diamond 78,8, tous rapportés par G​oogle) ainsi qu'un score indépendant de 14 à l'Intelligence Index d'Artificial Analysis, à environ 110,9 jetons par seconde ; Tell 1 n'a qu'une ligne dans un benchmark rédigé par son propriétaire, ce qui est abordé ci-dessous.

Remarquez quelle colonne est la plus longue. Ce n’est pas une critique de la qualité de Tell 1 ; c’est une affirmation sur ce que vous pouvez vérifier avant de dépenser de l’argent. Un modèle que vous pouvez télécharger peut être testé sur vos propres données en un après-midi. Un modèle que vous ne pouvez que louer est testé en le louant.

Ce que le chiffre phare de Tell 1 mesure réellement

Retell publie les résultats de son vCX Benchmark sous forme de données structurées plutôt que sous forme de graphique marketing, ce que ne font pas la plupart des classements de fournisseurs. Tell 1 figure dans un tableau de 62 configurations évaluées issues de 45 modèles, et sa ligne est la plus solide sur le versant conversationnel : 96,6 % sur la dimension familière de Retell et une médiane de 72,5 ms, premier du classement sur les deux. La même ligne se classe deuxième sur le suivi des instructions et sur la ligne que Retell nomme hallucination, cinquième sur l'appel d'outils, et affiche un coût de modèle de 3,5 cents par minute qui la place 19e sur 62. En faisant la moyenne des quatre dimensions, on obtient 94,45 %, le chiffre que Retell met en avant.

Deux réserves s'imposent à côté de ces classements, et aucune ne tient à une malhonnêteté de Retell — les données ne permettent simplement pas une lecture plus nette. Premièrement, la ligne de Tell 1 porte la version 17 du benchmark tandis que 50 des 62 lignes portent la version 1 ; un benchmark qui révise ses tâches fait ce qu'il faut, mais un « n°1 au global » calculé sur deux jeux de tests différents est un agrégat, pas un résultat à périmètre comparable, et la page ne normalise pas en conséquence. Deuxièmement, les quatre dimensions ne concordent pas. Tell 1 n'est pas le meilleur modèle de son propre benchmark pour suivre des instructions ou appeler des outils — GPT-6-Astra obtient 89,7 % en suivi d'instructions contre 88,6 % pour Tell 1, et au moins une version de Claude devance légèrement sur les appels d'outils. Ce qu'il remporte haut la main, ce sont les deux choses qu'un interlocuteur peut entendre : c'est le plus rapide et c'est celui qui sonne le plus humain.

Un chiffre qu’il vaut la peine de ne pas confondre, car les deux sont amalgamés dans les comptes rendus : 72 ms correspond à la latence du modèle à l’intérieur du harnais, pas à l’expérience de l’appelant. La page d’accueil de Retell indique un temps de réponse typique d’un agent d’environ 600 ms de bout en bout, ce qui inclut la reconnaissance vocale, l’orchestration, le tour du modèle et la synthèse vocale. Les deux chiffres peuvent être vrais. Seul le second correspond à ce qu’une personne au téléphone perçoit.

Où chacun a sa place dans une pile

Gemma 4 12B est mal adapté à un agent téléphonique en direct, et pas pour des raisons de qualité. Un modèle dense de 12 B sur un seul GPU est un bon composant, mais c’est l’aller-retour via votre propre pile de service, ajouté à la reconnaissance et à la synthèse vocales, qui fait basculer le temps de réponse de bout en bout dans une plage où les appelants commencent à parler par-dessus l’agent. La propre présentation que Google fait du 12 B correspond à du travail agentique sur un ordinateur portable — compréhension de documents, lecture d’écran, utilisation d’outils, aide au codage — et cette présentation est exacte. Si votre besoin, c’est cent mille factures par nuit, un corpus privé que vous ne pouvez pas envoyer à un tiers, ou un appareil de terrain hors ligne, Tell 1 ne peut pas rivaliser, car Tell 1 ne peut tout simplement pas y être déployé.

Tell 1, c'est l'inverse. Il ne peut pas quitter Retell, il ne peut pas être affiné sur vos transcriptions par vous-même, et il ne peut pas être évalué par un tiers sans la coopération de Retell. Ce qu'il peut faire, c'est répondre au sein d'une plateforme qui possède déjà la téléphonie, la gestion des tours de parole et la voix, et le faire en 72 ms, c'est-à-dire la partie de la pile qu'aucun travail d'ingénierie de prompt ne viendra corriger. Si vous achetez un agent de centre de contact plutôt que de le construire, c'est la seule colonne qui compte.

Le juste milieu est là où la plupart des équipes atterrissent en réalité : un petit modèle auto-hébergé pour le gros du travail déterministe et un modèle de pointe hébergé pour les cas difficiles. Aucun de ces deux modèles n'est le choix naturel pour ce second rôle, et c'est là que notre propre catalogue entre en jeu. Ni Tell 1 ni G​emma 4 12B n'est routable via OrcaRouter — nous n'hébergeons pas Tell 1, et les tailles de G​emma 4 que nous proposons sont les 31B Instruct et les 26B A4B, et non le 12B. Ces deux-là sont facturés au tarif du fournisseur sans rien ajouter, 0,13 $ en entrée et 0,38 $ en sortie par million de tokens pour le 31B, et 0,06 $ et 0,33 $ pour le 26B A4B, ce qui constitue le point de comparaison honnête si ce que vous attendiez du 12B était « un G​emma 4 que je peux appeler sans posséder de GPU ».

Coût, converti dans la même unité

Comparer un prix de plateforme à la minute à un prix de modèle au token est précisément là où la plupart de ces analyses trichent discrètement ; voici donc la conversion plutôt qu’un verdict. Tell 1 n’est pas facturé séparément ; il est inclus dans la fourchette de 0,07 $ à 0,31 $ par minute de Retell, et la ligne du benchmark qui le porte indique 3,5 cents par minute de coût de modèle, ce qui se situe dans cette fourchette plutôt que de la remplacer. G​emma 4 12B, avec le tarif mixte d’Artificial Analysis de 0,10 $ par million de tokens d’entrée et de 0,30 $ par million de tokens de sortie, est pratiquement gratuit par token, et ensuite vous payez le GPU : une carte de 24 Go fonctionnant pendant une heure coûte plus de mille minutes du niveau le moins cher de Retell, si bien que le point de bascule n’intervient qu’à volume soutenu avec une utilisation élevée.

• Unité de coût — dollars par minute de conversation pour Tell 1 ; dollars par million de tokens plus heures-GPU pour G​emma 4 12B.

• Seuil de rentabilité — G​emma l'emporte sur le coût marginal dès que vos GPU sont déjà occupés ; Tell 1 l'emporte sur le coût total de possession tant que le volume n'est pas suffisamment important pour maintenir une carte saturée.

• Lignes masquées — Tell 1 regroupe la téléphonie, la synthèse vocale et le harnais en un seul numéro ; une pile G​emma auto-hébergée vous facture séparément l’ASR, la T​TS, la couche de service et l’ingénieur d’astreinte.

Lequel choisir

Si l’exigence est un agent téléphonique qui sonne humain ce trimestre, Tell 1 est le seul des deux à être un produit, et le benchmark — réserves comprises — dit que ce en quoi il excelle est exactement ce que vous achetez. Testez-le face au modèle auquel vous faites actuellement confiance dans le même agent Retell, écoutez vingt appels et comptez les erreurs d’ancrage, car c’est là que les propres données de Retell indiquent qu’il perd.

Si votre besoin est un modèle que vous pouvez inspecter, affiner, héberger en privé, redistribuer au sein d’un produit ou exécuter sans réseau, Gemma 4 12B n’est pas simplement la meilleure option — c’est la seule option sur cette page. Apache 2.0 et un contexte de 256K pour 12B constituent une combinaison qui devient plus utile chaque mois, et les 14 millions de téléchargements suggèrent que de nombreuses équipes sont déjà parvenues à cette conclusion.

La question qu’il faut se poser avant chacun de ces deux achats est de savoir laquelle de ces deux phrases décrit votre problème, car ce ne sont pas les mêmes problèmes, et aucun benchmark ne peut vous dire lequel des deux vous avez.