Tell 1 לעומת LFM2.5 2.6B Base: מודל קולי שאתם שוכרים וצ'קפוינט שאתם מסיימים בעצמכם

הציבו את Tell 1 ואת LFM2.5 2.6B Base זה לצד זה, וההבדל בגודל נראה כמו הסיפור: האחד הוא מודל החשיבה הפנימי של Retell בתוך פלטפורמת מוקד טלפוני, והאחר הוא צ'ק פוינט טקסטואלי בלבד עם 2.69 מיליארד פרמטרים מבית Liquid AI שנכנס לקובץ בגודל 5.4 GB. זה לא הסיפור. הסיפור הוא שLFM2.5 2.6B Base הוא מודל בסיס — הוא מעולם לא עבר כיוונון הוראות, ואם תשאלו אותו שאלה הוא ימשיך את הטקסט שלכם במקום לענות עליה — בעוד Tell 1 הוא רכיב גמור של מוצר שמתפרנס ממענה לשיחות טלפון. אחד מהם הוא חומר גלם. האחר הוא חלק עובד שאסור לכם לפרק. כל מה שלהלן עוסק בשאלה איזה משני הדברים האלה הבעיה שלכם באמת צריכה, כי אף אחד מהם אינו יכול להחליף את השני, והשוואת המחירים שנראית מובנת מאליה היא הדבר הכי פחות שימושי בעמוד הזה.

גם התזמון חשוב, והוא הסיבה לכך שהצימוד הזה קיים בכלל. שניהם חדשים: Liquid AI פרסמה את משפחת LFM2.5 באוגוסט 2026, ו-Tell 1 של Retell נכנסה לתודעת הציבור בנובמבר 2026, כשהתייצבה בראש מבחן ההשוואה ש-Retell מפרסמת. אף אחד מהם אינו השקה שאתה קורא עליה באיחור. שניהם גם דלים באופן חריג בתיעוד ציבורי, ומסיבות הפוכות — Liquid שלחה צ'קפוינט בלי הוראות, כי הוראות מעולם לא היו העיקר, ו-Retell שלחה מודל בלי תיעוד, כי המודל אינו מוצר שאפשר לקנות בנפרד.

התחל ממה ש-Liquid checkpoint לא יכול לעשות

LFM2.5 2.6B Base הוא הצ'קפוינט המאומן מראש של משפחת LFM2.5 ההיברידית של Liquid AI: 30 שכבות, 22 מהן בלוקי קונבולוציה קצרה עם שער כפול ו-8 שכבות קשב מקובץ-שאילתות, שאומן על כ-34 טריליון טוקנים ב-16 שפות, עם חלון הקשר של 131,072 טוקנים וכימות Q4_K_M שמגיע לכמעט 1.67 GB. טקסט נכנס, טקסט יוצא. ללא ראייה, ללא אודיו, ללא תבנית לקריאה לכלים שאפשר להסתמך עליה, ללא כיוונון הוראות — וכרטיס המודל של Liquid עצמה אומר בפשטות שהוא מיועד לכיוונון עדין כבד ולא לשימוש באמצעות פרומפטים.

זה אינו פגם, והתייחסות אליו ככזה היא הטעות הנפוצה ביותר בתיאורים של מודלי בסיס. צ׳ק־פוינט בסיס הוא נקודת המוצא הנכונה כאשר יש לך משימה בעלת צורה, מאגר גדול של דוגמאות משלך, ואין לך עניין לשלם לספק לפי טוקן כדי לפתור אותה. מודל בגודל 2.69B שמכוונן על כרטיס גרפי צרכני אחד ואז רץ כשהוא מקוונטט על מחשב נייד או טלפון הוא אובייקט כלכלי שונה מכל API מתארח: העלות השולית לקריאה מצטמצמת בערך לעלות החשמל, והעלות שאתה באמת משלם עוברת לתיוג נתונים, ריצות אימון והערכה.

מה שהוא לא יכול לעשות הוא להיות מוטל לתוך שיחה. אין פרומפט מערכת שהופך צ'קפוינט בסיסי לסוכן אמין שמבצע קריאות כלים, ושום כמות של הנדסת פרומפטים לא מחליפה את שלב הפוסט-אימון. אם התוכנית שלך היא "להוריד אותו, לעטוף אותו בשרת תואם OpenAI ולכוון אליו סוכן קולי", התוכנית תיכשל בקריאת הפונקציה הראשונה — והכישלון הזה ייראה כמו בעיית איכות של המודל כשהוא למעשה שלב אימון חסר.

אז מהו Tell 1, ולמה אתה לא יכול לקבל אותו

Tell 1 היא שכבת החשיבה של מערך הקול של Retell, המופיעה בעמוד הבית של החברה תחת "Developed by Retell Labs" לצד רתמת סוכנים שמרכיבה מודלים, ידע וכלים. היא אינה נמכרת כמודל. אין כרטיס מודל, אין מאגר, אין נתון חלון הקשר, אין ספירת פרמטרים, אין רישיון ואין מחיר לפי טוקן שפורסמו בכל מקום באתר של Retell. הראיה הכמותית הציבורית היחידה היא שורה ב-Retell vCX Benchmark, שהוא לוח דירוג ש-Retell עצמה מתחזקת: 88.6% עמידה בהוראות, 97.2% בממד המסומן הזיה, 95.4% קריאה לכלים, 96.6% בשפה דיבורית, ממוצע של 94.45%, בזמן השהיה חציוני של 72.5 ms ובעלות מודל של 3.5 סנט לדקה.

האם Tell 1 הוא כיוונון עדין של משהו ציבורי, מודל שאומן מאפס, או מודל קטן שזוקק ממודל גדול יותר — לא נמסר. החציון של 72 ms מרמז על מודל קטן ומהיר ולא על מודל כללי מן השורה הראשונה, מאחר שנתון זה נמצא בטווח שבו זמן ההליכה והחזרה אל מערך inferencing של צד שלישי מתחיל להשתלט — אבל זו הסקה ממספר השהיה, וּלמספרי השהיה יש סיבות רבות. מה שאינו הסקה הוא האריזה: מקבלים את Tell 1 בקניית זמן שימוש בפלטפורמה של Retell, ב-$0.07 עד $0.31 לדקה בהתאם לתצורה, והמודל אינו ניתן להפרדה מן הטלפוניה, מערך הדיבור והמסגרת שסביבו.

זו האסימטריה שקונה חייב לתמחר.‏ LFM2.5 2.6B Base הוא שלך בדרך ששום מודל מתארח לעולם לא יהיה: אתה יכול לקרוא את המשקלים שלו, לכמת אותו, לשלב אותו באפליקציה, ולהמשיך להריץ אותו אם הספק נעלם.‏ Tell 1 זמין בדרך ששום מודל להורדה לא: הוא כבר מחובר למספר טלפון, לשכבת חילופי תורות ולקול, והעבודה לגרום לו להישמע אנושי בשיחה אמיתית כבר נעשתה על ידי מישהו אחר.

ההשוואה שבאמת חשובה: לאן הולך תקציב ההשהיה

שני המודלים האלה חיים או מתים לפי שעון עצר, ולכן מזכירים אותם בנשימה אחת למרות שהם עושים עבודות שונות. בשיחת טלפון יש לך תקציב של כ-800 מילישניות בין הרגע שבו המתקשר מסיים משפט לרגע שבו הסוכן מתחיל משפט, לפני שההפסקה נתפסת כניתוק. התקציב הזה מממן זיהוי דיבור, את תור המודל, קריאות לכלים וסינתזת דיבור, בסדר הזה.

• השהיית המודל — 72.5 ms חציוני עבור Tell 1 בתוך ה-harness של Retell, הראשון מבין 62 תצורות באותו מבחן; לא פורסם עבור LFM2.5 2.6B Base, מכיוון של-checkpoint בסיס אין מוצר מוגש שניתן למדוד, והתפוקה ה-quantised שלו תלויה כולה בחומרה שלך.

• מה עוד נמצא בתוך 800 ms — עבור Tell 1, הטלפוניה והדיבור נמצאים בתוך המספר של הפלטפורמה, ו-Retell מציינת תגובת קצה-לקצה אופיינית של כ-600 ms; עבור סטאק LFM2.5 באירוח עצמי, ASR, TTS ושכבת ההגשה הם כולם באחריותך להוספה, וכל אחד מהם הוא החלטת ספק.

• תפוקה — האח התאום שעבר אימון-על (post-trained) של נקודת הבדיקה הזו מבית Liquid רץ בקצב של 220 טוקנים לשנייה על Apple M5 Max ו-113 על מעבד AMD Ryzen, והספק מציין שניתן להגיע ל-30 טוקנים לשנייה בטלפון; המהירות של מודל בנפח 2.69B היא פונקציה של המכונה, ולא של רמת שירות.

השורה האחרונה הזו היא כל ההבדל בסוג. ההשהיה של Tell 1 היא הבטחה שמישהו אחר מקיים; ההשהיה של LFM2.5 היא תכונה של חומרה שאתה בוחר. אם יעד הפריסה שלך הוא מוקד טלפוני עם 200 קווים פעילים בו-זמנית, הראשון הוא מה שאתה קונה. אם זה מכשיר במחסן בלי רשת, השני הוא היחיד שקיים.

כיוונון עדין הוא הצומת בדרך

הנה ההחלטה, בפשטות המרבית שאני יכול לנסח. בחרו ב-LFM2.5 2.6B Base אם יש לכם משימה שאתם יכולים לתאר במדויק, דוגמאות שלה, וסיבה שלא לשלוח את הדוגמאות הללו לצד שלישי — שלב סיווג בתוך זרימת שיחה, מסכם ייעודי לתחום, או נתב על-מכשיר שמחליט מהי מהות הבקשה. המודל קטן מספיק כדי שכיוונון עדין ייקח אחר צהריים ולא רבעון, חלון ההקשר גדול מספיק למסמכים אמיתיים, והרישיון מתיר שימוש מסחרי מתחת ל-10 מיליון דולר בהכנסות שנתיות, כאשר נדרש הסכם נפרד בקו זה או מעליו. הסף הזה הוא עובדת רכש ושייך להחלטה, לא להערת שוליים.

בחרו ב-Tell 1 אם אתם קונים סוכן טלפוני ולא מודל, ובמיוחד אם הדבר שאתם לא יכולים לבנות הוא המשטח השיחתי: טיפול בקטיעות, ניסוחים מדוברים, והברה ראשונה שמגיעה מהר מספיק כדי שהמתקשר לא יבחין במכונה. לפי הבנצ'מרק של Retell, אלה שני הממדים שבהם Tell 1 מוביל — מקום ראשון בשפה מדוברת, מקום ראשון בהשהיה — והוא אומר באותה בהירות שהוא אינו מוביל במעקב אחר הוראות, בעיגון או בקריאה לכלים, שבהם הוא מדורג שני, שני וחמישי בהתאמה. בדקו את שלושת אלה מול השיחות שלכם לפני שתתקננו, כי הם אלה שמייצרים תשובות שגויות ולא רק איטיות יותר.

ישנה אפשרות שלישית, והיא זו שרוב הצוותים עם עומס עבודה אמיתי מגיעים אליה בסופו של דבר: להשאיר את הכוונון העדין הקטן לחלק מהמשימה שהוא צר וחזרתי, ולהפנות את הפניות הקשות למודל מתארח גדול יותר. זה בדיוק הפיצול ששכבת ניתוב בנויה עבורו, ושם הקטלוג שלנו משתלב. לא ניתן לנתב את Tell 1 ולא את LFM2.5 2.6B Base דרך OrcaRouter — אנחנו לא מארחים אף אחד מהם — כך שהגרסה המעשית של הארכיטקטורה הזו מציבה את הכוונון העדין של Liquid על החומרה שלך ושולחת את מסלול ההסלמה למודל שאנחנו כן מציעים, במפתח API אחד, במחיר המחירון של הספק ללא תוספת.

מה ישנה את התשובה

עבור Tell 1, שלושה פרסומים היו מעבירים אותו מ"בדיקה בתוך הפלטפורמה" ל"שקילת סטנדרטיזציה": כרטיס מודל שמציין את הארכיטקטורה ואת נתוני האימון, מחיר לכל מודל כך שניתן להפריד את העלות מהחבילה לפי דקה, והערכה שתרוץ על ידי מישהו אחר מלבד Retell. הרשומה הנוכחית היא שורה אחת בלוח המובילים של הספק עצמו, וספק שמדרג את עצמו במקום הראשון במערך ההערכה שלו הוא השערה, לא תוצאה.

עבור LFM2.5 2.6B Base, החלק החסר אינו התיעוד — אלא הכוונון העדין שלך עצמך. נקודת הביקורת מוכנה והרישיון קריא, מה שאומר שהדבר היחיד שאינו ידוע הוא אם מודל בן 2.69B שאומן על הנתונים שלך עומד ברף במשימה שלך. זו שאלה שתוכל לענות עליה השבוע עם GPU אחד, ושום כמות של קריאה לא תענה עליה עבורך. זו העסקה במשפט אחד: Tell 1 חוסך לך את ההנדסה ולוקח את השליטה; LFM2.5 2.6B Base נותן לך את השליטה ומחייב אותך לעשות את ההנדסה.