
Tell 1 vs Qwen 3.8 : l’écart d’appel d’outils que personne ne met dans le titre
- OrcaNOUVEAUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 par million de tokens · 169 tok/s
- tencentNOUVEAUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 par million de tokens · 236 tok/s
- GoogleNOUVEAUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 par million de tokens · 89 tok/s
- AnthropicNOUVEAUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 par million de tokens · 98 tok/s
- orcaNOUVEAUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 par million de tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 par million de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 par million de tokens · 80 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 par million de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 par million de tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 par million de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 par million de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligence
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 par million de tokens · 198 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligence
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 par million de tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligence
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 par million de tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligence
Retell publie un classement des modèles vocaux et y place Tell 1 en tête. Le même classement, lu un peu plus bas dans chaque colonne, indique que Tell 1 est cinquième pour l'appel d'outils. Ce seul rang est l'information la plus utile de la page, car il marque la frontière exacte entre ce pour quoi Tell 1 a été conçu et ce en quoi un modèle généraliste comme Qwen 3.8 — la génération dont le fleuron est Qwen3.8-Max et dont le membre dense ouvert est Qwen3.8-27B — est désormais réellement performant. Un agent téléphonique incapable de prendre le rendez-vous est pire qu'un agent lent. Un modèle de 2,4 billions de paramètres qui met 8 secondes à dire bonjour ne peut pas répondre au téléphone du tout. La question intéressante n'est pas de savoir quel modèle est meilleur ; c'est de savoir à quel endroit de votre pile chacun cesse d'être le bon outil.
Il vaut la peine de nommer les niveaux de preuve avant tout le reste, car ces deux modèles sont documentés de façons incompatibles. Qwen3.8-Max a été lancé comme API payante le 3 août 2026 avec une matrice de capacités publiée, un contexte de 1 M de tokens et des benchmarks du fournisseur ; Qwen3.8-27B a suivi sous forme de poids Apache-2.0 téléchargeables ; les deux sont évalués indépendamment par Artificial Analysis. Tell 1 n’a qu’une seule ligne dans un benchmark rédigé par son propriétaire et aucune fiche de modèle du tout. Ainsi, un côté de cette page est mesuré et l’autre est déclaré, et chaque chiffre ci-dessous est étiqueté en conséquence.
Ce que la cinquième place de Tell 1 vous coûte réellement
Les chiffres de la table vCX méritent d’être lus dans l’ordre où ils apparaissent plutôt que dans l’ordre que suggèrent les classements. Sur la ligne que Retell qualifie de familière, Tell 1 obtient 96,6 % et aucune des 62 configurations en lice ne fait mieux. Sur la ligne qu’elle appelle tool calling, le même modèle obtient 95,4 % et quatre autres font mieux — ce qui n’est pas tant un défaut du modèle qu’une indication de ce pour quoi il a été optimisé. La moyenne de 94,45 % et la médiane de 72,5 ms découlent toutes deux de cette priorité ; il en va de même d’un coût de modèle de 3,5 cents par minute, qui se classe 19e, confortablement au milieu du tableau.
Le chiffre de la cinquième place — 95,4 %, soit 954 évaluations réussies sur 1 000 — n’est pas mauvais en valeur absolue. C’est le schéma qui compte. Dans un flux de centre de contact, les appels d’outils sont l’endroit où l’agent effectue une action irréversible : réserver un créneau, encaisser un paiement, transférer un appelant, annuler une commande. Un taux d’échec de 4,6 % sur ces étapes correspond à un système qui fonctionne la plupart du temps et fait occasionnellement la mauvaise chose, précisément le mode de défaillance qui fait retirer un agent IA de la production au bout d’un mois. Les gains en naturel conversationnel et en latence, en revanche, sont ceux qui le font approuver au départ. Cette asymétrie — meilleur en démonstration que dans la transaction — est ce qu’il faut tester, pas ce qu’il faut présumer.
Deux réserves concernant le benchmark lui-même, puisque c’est la seule preuve publique pour Tell 1. Sa ligne porte la version 17 du harnais, tandis que 50 des 62 lignes portent la version 1, si bien que « #1 overall » agrège deux jeux de tests différents. Et il s’agit du benchmark propre à Retell, exécuté sur les modèles de trafic de Retell, ce qui est une méthodologie légitime, mais non indépendante.
Ce que Qwen 3.8 apporte à ce même problème
Qwen 3.8 désigne une génération, pas un modèle, et la distinction compte ici. Qwen3.8-Max est le fleuron hébergé : contexte de 1 M de jetons, entrées texte, image et vidéo, mode réflexion, appel de fonctions, outils intégrés et sorties structurées, proposé dans des formats d’échange compatibles avec OpenAI, Anthropic et DashScope. Artificial Analysis lui attribue 33,7 sur son Intelligence Index — mieux que 73 % des modèles auxquels il est comparé — avec 76,2 sur son Coding Index, 92,8 sur GPQA Diamond, 88,8 sur Terminal-Bench 2.1 et 47,8 sur tau-banking, le mélange de sources fournisseur et indépendantes cité par notre page modèle. Qwen3.8-27B est le membre dense à poids ouverts : 27 milliards de paramètres, contexte de 256 K, multimodal, Apache 2.0, et, sur la fiche de Qwen elle-même, 90,3 sur LiveCodeBench v6, 89,2 sur GPQA Diamond, 84,3 sur OSWorld-Verified, 79,0 sur QwenSWEBench.
Lisez deux fois le {{1}}score tau-banking{{/1}} si {{2}}l’utilisation d’outils{{/2}} vous préoccupe. Il s’agit d’un benchmark de {{3}}tâches de service client augmentées par des outils{{/3}} — rechercher un compte, modifier une commande, suivre une politique — et {{4}}47.8{{/4}} est un score difficile à obtenir dans un test difficile, pas un chiffre marketing. Les modèles généralistes sont devenus bons à cela avant de devenir bons à paraître humains, et cet ordre résume tout l’enjeu de cette comparaison : {{5}}Qwen 3.8{{/5}} exécutera votre boucle d’outils plus fiablement qu’un {{6}}modèle vocal de 72 millisecondes{{/6}}, et il mettra plusieurs secondes à commencer à parler.
• Latence — 72,5 ms en médiane pour Tell 1 dans le harnais de Retell ; nos propres mesures de service indiquent Qwen3.8-Max à 8 235 ms p50 et Qwen3.8-27B à 4 197 ms p50 sur une fenêtre de sept jours, ce qui correspond à une grandeur différente mesurée d'une autre manière, et aucune des deux ne correspond à un tour d'appel téléphonique.
• Appel d'outils — 95,4 % (5e sur 62) pour Tell 1 sur le banc d'essai de Retell ; 47,8 tau-banking et appel de fonctions natif complet avec sorties structurées pour Qwen3.8-Max, sur des benchmarks évalués par des personnes qui ne commercialisent aucun des deux modèles.
• Contexte — 1 M de tokens pour Qwen3.8-Max, 256 K pour Qwen3.8-27B ; non publié pour Tell 1, et largement sans importance lors d'un appel, où la base de connaissances se situe en dehors du modèle.
• Prix — Tell 1 se situe dans la fourchette de 0,07 $ à 0,31 $ par minute de Retell, dont 3,5 cents sont attribués au modèle ; Qwen3.8-Max est à 2 $ en entrée et 6 $ en sortie par million de tokens, Qwen3.8-27B à 0,33 $ et 2,40 $, tous deux au tarif catalogue du fournisseur via OrcaRouter, sans marge ajoutée.

L’arithmétique qui décide de la plupart des déploiements
La conversion entre les deux unités de prix est souvent là où les comparaisons deviennent floues, alors voici la conversion faite à voix haute. Une minute de parole représente environ 150 mots prononcés, soit environ 200 tokens de sortie et peut-être de 1 500 à 3 000 tokens d’entrée une fois le prompt, les connaissances récupérées et les schémas d’outils comptés. Aux tarifs de 2 $/6 $ de Qwen3.8-Max, cela représente moins de 0,02 $ par minute de coût de modèle ; à 0,33 $/2,40 $ pour Qwen3.8-27B, c’est une fraction de cent.
Donc le modèle facturé au token n’est pas la partie coûteuse, et c’est là le piège. Ce que vous ne pouvez obtenir de Qwen 3.8 à aucun prix, c’est une première syllabe en 72 ms, car un modèle phare de 2,4 billions de paramètres qui répond en huit secondes a déjà perdu l’appelant. Le coût du modèle phare hébergé ne réside pas dans les tokens ; il réside dans l’aller-retour. Construire la même chose soi-même signifie maîtriser le budget de latence de bout en bout — colocaliser le modèle avec la pile vocale, plafonner la longueur de sortie, diffuser en flux la première proposition avant que l’appel d’outil ne soit résolu — et c’est cette ingénierie qui constitue le véritable poste de coût, pas les 0,02 $.
C’est pourquoi le verdict honnête est architectural plutôt que concurrentiel. La valeur de Tell 1 réside dans le fait que quelqu’un a déjà investi l’ingénierie dans les 800 premières millisecondes d’un appel téléphonique. La valeur de Qwen 3.8 réside dans le fait qu’il est mesurablement meilleur sur la partie de l’appel où quelque chose est accompli, et qu’il est disponible à la fois comme API appelable et comme poids que vous pouvez héberger.
Le modèle split-stack, et où un routeur justifie sa place
La configuration qui résout cela n’est pas un choix entre les deux modèles ; c’est une répartition des tâches, et les plateformes vocales la pratiquent déjà en interne. La page d’accueil de Retell décrit sa pile exactement ainsi : un modèle pour le raisonnement et l’orchestration, un harnais d’agent qui assemble les connaissances et les outils, et une couche vocale distincte. Tell 1 occupe une place dans cet agencement, pas toutes.
Hors d’une plateforme vocale, la même répartition se présente ainsi. Un petit modèle rapide gère la couche de prise de tour — l’accusé de réception, la clarification, le « laissez-moi vérifier cela pour vous » — tandis que les étapes lourdes en outils et en raisonnement reviennent à un modèle plus performant en appel de fonctions et en contexte long. Qwen 3.8 convient bien au second rôle et ses deux principaux membres sont routables via OrcaRouter avec une seule clé : basculez entre Qwen3.8-Max et Qwen3.8-27B en changeant la chaîne de modèle, conservez une chaîne de repli afin qu’un 429 en amont ne se transforme pas en appel perdu, et utilisez le DSL de routage pour envoyer les tours difficiles au modèle phare et les tours routiniers au membre moins cher. Le prix catalogue du fournisseur est répercuté sans majoration, de sorte qu’un changement de prix Qwen vous parvient le jour même plutôt qu’à la prochaine renégociation de contrat.
Tell 1 ne figure pas dans notre catalogue et n'y figurera pas ; il n'est pas vendu en tant que modèle. Ce que nous pouvons faire, c'est le parcours d'escalade qui l'entoure — le modèle que votre agent vocal appelle lorsque l'appelant pose une question que le script ne couvre pas.
Comment le régler en une semaine
Prenez cinquante appels réels issus de votre propre file d’attente, pas des appels synthétiques — la faiblesse du benchmark est que ses appels sont ceux de Retell, et vos modes de défaillance se trouvent dans vos propres transcriptions. Faites passer chacun par deux configurations : Tell 1 dans Retell, et la même logique d’agent pointée vers Qwen3.8-Max. Évaluez trois choses et ignorez tout le reste. L’appel d’outil s’est-il déclenché avec les bons arguments ? La réponse correspondait-elle à votre base de connaissances ? Et à quel horodatage l’agent a-t-il commencé à parler après que l’appelant s’est arrêté ?
Mon attente, d’après les chiffres publiés plutôt que d’après les tests : la configuration Qwen gagnera les deux premières et perdra largement la troisième, et l’ampleur de ce troisième écart est le seul chiffre qui décide de l’architecture. Si vos appels sont principalement des recherches avec une bonne réponse, l’avantage de latence d’un modèle ajusté pour la voix vaut moins que quelques points de précision d’appel d’outils, et le modèle général l’emporte. Si vos appels sont principalement de la conversation — triage, réassurance, qualification —, les appels d’outils sont superficiels, la latence est tout, et un modèle conçu pour le téléphone est la bonne pièce pour le travail.
Les deux réponses sont défendables, et c’est pourquoi la formulation « laquelle est meilleure » échoue. La seule chose que je ne ferais pas, c’est choisir Tell 1 en me fondant sur un classement à la première place sans lire la colonne où il est cinquième, ou choisir Qwen 3.8 en me fondant sur un Intelligence Index sans chronométrer son premier token lors d’un appel en direct.


