כרטיס כותרת שנוצר שכותרתו 'Tell 1 לעומת Qwen 3.8'. הכרטיס השמאלי המסומן 'Tell 1' נושא סמל שעון עצר והשורות 'ראשון בהשהיה' ו'חמישי בקריאות לכלים'; הכרטיס הימני המסומן 'Qwen 3.8' נושא סמל מפתח ברגים והשורות 'הקשר של 1M טוקנים' ו'קריאה לכלים נייטיבית'. מפריד אומר 'מהירות לעומת העסקה'. הלוגו של OrcaRouter מורכב בפינה הימנית התחתונה.
Guides & Insights

Tell 1 מול Qwen 3.8: פער קריאת הכלים שאיש לא מכניס לכותרת

מחבר

jinhao.song

תאריך פרסום

מודלים אחרונים · 20צפו בכל המודלים →
בנצ'מרקים: Artificial Analysis · מתעדכן יומית
חזרה לכל הפוסטים

Retell מפרסמת לוח דירוג למודלי קול ומציבה את Tell 1 בראשו. אותו לוח דירוג, כשקוראים מעט למטה בכל עמודה, אומר ש-Tell 1 מדורגת חמישית בקריאת כלים. הדירוג הבודד הזה הוא הדבר השימושי ביותר בעמוד, מפני שהוא מסמן את הגבול המדויק בין מה שTell 1 נועד לעשות, ובין מה שמודל כללי כמו Q​wen 3.8 — הדור שדגם הדגל שלו הוא Qwen3.8-Max והחבר הפתוח מסוג dense שלו הוא Qwen3.8-27B — הוא כיום ממש טוב בו. סוכן טלפוני שאינו יכול לקבוע את הפגישה גרוע מסוכן איטי. מודל בעל 2.4 טריליון פרמטרים שזקוק ל-8 שניות כדי לומר שלום לא יכול לענות לטלפון בכלל. השאלה המעניינת אינה איזה מודל טוב יותר; היא היכן במערך שלך כל אחד מפסיק להיות הכלי המתאים.

כדאי לציין את רמות הראיות לפני כל דבר אחר, מפני ששני המודלים האלה מתועדים בדרכים שאינן תואמות. Qwen3.8-Max הושק כ-API בתשלום ב-3 באוגוסט 2026 עם מטריצת יכולות שפורסמה, הקשר של 1M טוקנים ובנצ'מרקים של הספק; Qwen3.8-27B הגיע אחריו כמשקלים להורדה ברישיון Apache-2.0; שניהם מדורגים באופן עצמאי על ידי Artificial Analysis. ל-Tell 1 יש שורה אחת בבנצ'מרק שכתב הבעלים שלו, ואין לו כרטיס מודל כלל. לכן צד אחד של העמוד הזה נמדד והצד האחר מדווח, וכל מספר בהמשך מסומן בהתאם.

כמה באמת עולה לך המקום החמישי של Tell 1

שווה לקרוא את המספרים של טבלת vCX עצמה לפי סדר הופעתם ולא לפי הסדר שהדירוגים מרמזים עליו. בשורה ש-Retell מכנה "מדוברת", ‏Tell 1 משיג 96.6% ואף קונפיגורציה מבין 62 לא עוקפת אותו. בשורה שהיא מכנה "קריאה לכלים", אותו מודל משיג 95.4% וארבעה אחרים משיגים תוצאה טובה יותר — דבר שאינו פגם במודל אלא יותר הצהרה על מה שהוא כוונן להיות טוב בו. הממוצע של 94.45% והחציון של 72.5 ms שניהם נובעים מהעדיפות הזו; כך גם עלות מודל של 3.5 סנט לדקה, שמדורגת במקום ה-19 ובנוחות באמצע הטבלה.

הנתון במקום החמישי — 95.4%, 954 מתוך 1,000 הערכות שעברו — אינו רע במונחים מוחלטים. הדפוס הוא מה שחשוב. בזרימת מרכז תמיכה, קריאות לכלים הן המקום שבו הסוכן עושה משהו בלתי הפיך: קובע מועד, מבצע תשלום, מעביר מתקשר, מבטל הזמנה. שיעור כשל של 4.6% בשלבים האלה הוא מערכת שבדרך כלל עובדת ולפעמים עושה את הדבר הלא נכון, וזה בדיוק אופן הכשל שגורם להוציא סוכן AI מסביבת הייצור אחרי חודש. לעומת זאת, הניצחונות בשיחה ובזמן התגובה הם אלה שמאפשרים את אישורו מלכתחילה. האסימטריה הזו — טוב יותר בהדגמה מאשר בעסקה — היא הדבר שצריך לבדוק, לא הדבר שיש להניח.

שתי הסתייגויות לגבי המבחן עצמו, מכיוון שזו הראיה הציבורית היחידה ל-Tell 1. השורה שלו נושאת גרסה 17 של רתמת הבדיקה בעוד ש-50 מתוך 62 השורות נושאות גרסה 1, כך ש"#1 overall" מאגד נתונים משני מערכי מבחן שונים. וזהו המבחן של Retell עצמה, שמופעל על דפוסי התעבורה של Retell, וזו מתודולוגיה לגיטימית ולא עצמאית.

מה מביא Qwen 3.8 לאותה הבעיה

Q​wen 3.8 הוא דור, לא מודל, וההבחנה הזו חשובה כאן. Qwen3.8-Max הוא מודל הדגל המתארח: חלון הקשר של מיליון טוקנים, קלט טקסט, תמונה ווידאו, מצב חשיבה, קריאה לפונקציות, כלים מובנים ופלטים מובנים, המוגש בפורמטים תואמי O​penAI, A​nthropic ו-DashScope. Artificial Analysis נותנת לו ציון 33.7 במדד האינטליגנציה שלה — טוב יותר מ-73% מהמודלים שאיתם היא משווה — עם 76.2 במדד הקידוד, 92.8 ב-GPQA Diamond, 88.8 ב-Terminal-Bench 2.1 ו-47.8 ב-tau-banking, השילוב של נתוני ספק ונתונים בלתי-תלויים שאליהם מפנה עמוד המודל שלנו. Qwen3.8-27B הוא החבר ה-dense במשקולות פתוחות: 27B פרמטרים, חלון הקשר של 256K, רב-מודלי, Apache 2.0, ועל הכרטיס של Q​wen עצמה: 90.3 ב-LiveCodeBench v6, 89.2 ב-GPQA Diamond, 84.3 ב-OSWorld-Verified, 79.0 ב-QwenSWEBench.

קרא פעמיים את מספר ה-tau-banking אם השימוש בכלים הוא הדאגה שלך. זהו מדד למשימות שירות לקוחות מתוגברות בכלים — איתור חשבון, שינוי הזמנה, עמידה במדיניות — ו-47.8 הוא ציון מוצק במבחן קשה, לא נתון שיווקי. מודלים כלליים השתפרו בזה לפני שהשתפרו בלהישמע אנושיים, והסדר הוא כל הסיפור של ההשוואה הזו: Qwen 3.8 יריץ את לולאת הכלים שלך בצורה אמינה יותר ממודל קולי של 72 אלפיות השנייה, וייקח לו שניות להתחיל לדבר.

• השהיה — חציון של 72.5 מ״ש עבור Tell 1 בתוך מערכת הבדיקות של Retell; המדידות שלנו מהשרת מציבות את Qwen3.8-Max על 8,235 מ״ש p50 ואת Qwen3.8-27B על 4,197 מ״ש p50 על פני חלון של שבעה ימים, וזו כמות שונה שנמדדה בדרך שונה, ואף אחת מהן אינה תור של שיחת טלפון.

• קריאה לכלים — 95.4% (דירוג 5 מתוך 62) עבור Tell 1 על מערך הבדיקות של Retell; 47.8 ב-tau-banking וקריאה מקורית מלאה לפונקציות עם פלטים מובנים עבור Qwen3.8-Max, על בנצ'מרקים שנמדדו על ידי אנשים שאינם מוכרים אף אחד מהמודלים.

• הקשר — מיליון טוקנים עבור Qwen3.8-Max, 256K עבור Qwen3.8-27B; לא פורסם עבור Tell 1, ובמידה רבה אינו רלוונטי בשיחה, שבה בסיס הידע נמצא מחוץ למודל.

• מחיר — Tell 1 נמצא בטווח של $0.07 עד $0.31 לדקה של Retell, כאשר 3.5 סנטים מתוך זה מיוחסים למודל; Qwen3.8-Max עומד על $2 לקלט ו-$6 לפלט למיליון טוקנים, ו-Qwen3.8-27B על $0.33 ו-$2.40, שניהם במחירי המחירון של הספק דרך OrcaRouter ללא תוספת מרווח.

A generated two-column scoreboard headed 'Tell 1 vs Qwen 3.8'. The Tell 1 column reads 'Latency: 72 ms', 'Tool calling: 95.4% rank 5', 'Context: unpublished', 'Weights: none', 'Evidence: vendor benchmark', 'Price: 3.5c per minute'. The Qwen3.8-Max column reads 'Latency: 8235 ms p50', 'Tool calling: tau-banking 47.8', 'Context: 1M tokens', 'Weights: open 27B sibling', 'Evidence: AA Index 33.7', 'Price: $2/$6'. A footer reads 'Tell 1 per Retell; Qwen figures per Artificial Analysis and OrcaRouter.' The OrcaRouter logo is composited in the bottom-right corner.

האריתמטיקה שמכריעה את רוב הפריסות

ההמרה בין שתי יחידות המחיר היא המקום שבו ההשוואות בדרך כלל מתערפלות, ולכן הנה ההמרה נאמרת בקול רם. דקת דיבור היא בערך 150 מילים מדוברות, שהן בערך 200 טוקנים של פלט ואולי 1,500 עד 3,000 טוקנים של קלט לאחר שסופרים את הפרומפט, הידע שנשלף וסכימות הכלים. בתעריף של 2$/6$ של Qwen3.8-Max, זו עלות מודל של פחות משני סנטים לדקה; בתעריף של 0.33$/2.40$ של Qwen3.8-27B זה חלקיק מסנט.

אז המודל לפי טוקן הוא לא החלק היקר, וזו המלכודת. מה שאי אפשר לקבל מ-Q​wen 3.8 בשום מחיר הוא הברה ראשונה תוך 72 מ״ש, כי מודל דגל עם 2.4 טריליון פרמטרים שעונה בשמונה שניות כבר איבד את המתקשר. העלות של מודל הדגל המתארח היא לא הטוקנים; היא סבב ההלוך־חזור. לבנות את אותו הדבר בעצמך פירושו לקחת בעלות על תקציב ההשהיה מקצה לקצה — למקם את המודל יחד עם סטאק הדיבור, להגביל את אורך הפלט, להזרים את הפסקית הראשונה לפני שקריאת הכלי נפתרת — וההנדסה הזו היא סעיף העלות האמיתי, לא ה-$0.02.

וזו הסיבה שהמסקנה הכנה היא ארכיטקטונית ולא תחרותית. הערך של Tell 1 הוא שמישהו כבר השקיע את ההנדסה ב-800 המילישניות הראשונות של שיחת טלפון. הערך של Q​wen 3.8 הוא שהוא טוב יותר באופן מדיד בחלק של השיחה שבו משהו באמת נעשה, והוא זמין גם כ-API שאפשר לקרוא לו וגם כמשקולות שאפשר לארח.

תבנית ה-split-stack, והיכן נתב מצדיק את מקומו

התצורה שפותרת זאת אינה בחירה בין שני המודלים; היא חלוקת עבודה, ופלטפורמות קוליות כבר מיישמות אותה באופן פנימי. דף הבית של Retell עצמו מתאר את ה-stack שלה בדיוק כך: מודל לחשיבה ותזמור, רתמת סוכן (agent harness) שאוספת ידע וכלים, ושכבת דיבור נפרדת. Tell 1 תופס מושב אחד במערך הזה, לא את כולם.

מחוץ לפלטפורמת קול, אותו פיצול נראה כך. מודל קטן ומהיר מטפל בשכבת חילוף התורות — האישור, ההבהרה, ה"תן לי לבדוק את זה עבורך" — ואילו השלבים עתירי הכלים והחשיבה עוברים למודל עם רקורד טוב יותר בקריאה לפונקציות ובהקשר ארוך. Q​wen 3.8 מתאים היטב לתפקיד השני, ושני החברים העיקריים שלו ניתנים לניתוב דרך OrcaRouter במפתח אחד: עבור בין Qwen3.8-Max ל-Qwen3.8-27B על ידי שינוי מחרוזת המודל, שמור על שרשרת גיבוי כך שתגובת 429 במעלה הזרם לא תהפוך לשיחה שנותקה, והשתמש ב-DSL של הניתוב כדי לשלוח את התורות המאתגרים למודל המוביל ואת השגרתיים לחבר הזול יותר. מחיר המחירון של הספק מועבר הלאה ללא תוספת, כך ששינוי מחיר של Q​wen מגיע אליכם באותו יום ולא בחידוש החוזה הבא.

Tell 1 לא נמצא בקטלוג שלנו וגם לא יהיה; הוא לא נמכר כדגם. מה שאנחנו יכולים לעשות הוא נתיב ההסלמה סביבו — המודל שאליו הסוכן הקולי שלך פונה כשהמתקשר שואל משהו שהתסריט לא מכסה.

איך ליישב את זה בשבוע

קח חמישים שיחות אמיתיות מתור השיחות שלך, לא סינתטיות — החולשה של הבנצ'מרק היא שהשיחות שלו הן של Retell, ואופני הכשל שלך נמצאים בתמלולים שלך עצמך. הרץ כל אחת דרך שתי קונפיגורציות: Tell 1 בתוך Retell, ואותה לוגיקת סוכן מופנית אל Qwen3.8-Max. תן ציון לשלושה דברים והתעלם מכל השאר. האם קריאת הכלי הופעלה עם הארגומנטים הנכונים? האם התשובה תאמה את מאגר הידע שלך? ובאיזו חותמת זמן הסוכן התחיל לדבר אחרי שהמתקשר הפסיק?

ההערכה שלי, לפי המספרים שפורסמו ולא לפי בדיקות: תצורת Qwen תנצח בשני הראשונים ותפסיד בשלישי בפער גדול, וגודלו של אותו פער שלישי הוא המספר היחיד שמכריע את הארכיטקטורה. אם הקריאות שלך הן בעיקר חיפושים עם תשובה נכונה, יתרון ההשהיה של מודל מכוון קול שווה פחות מכמה נקודות של דיוק בקריאות כלים, והמודל הכללי מנצח. אם הקריאות שלך הן בעיקר שיחה — מיון, הרגעה, בדיקת התאמה — קריאות הכלים שטחיות, ההשהיה היא הכול, ומודל שנבנה לטלפון הוא החלק המתאים למשימה.

שתי התשובות מוצדקות, וזו הסיבה שהמסגור של "מה עדיף" נכשל. הדבר האחד שלא הייתי עושה הוא לבחור ב-Tell 1 על סמך דירוג מקום ראשון בלי לקרוא את העמודה שבה הוא חמישי, או לבחור ב-Qwen 3.8 על סמך Intelligence Index בלי להפעיל סטופר על הטוקן הראשון שלו בתוך שיחה חיה.

A screenshot of the OrcaRouter model page for qwen3.8-max captured on 13 November 2026, showing a median time-to-first-token of 8.13 seconds and a listing dated 2026-08-03.A screenshot of the OrcaRouter model page for qwen3.8-27b captured on 13 November 2026, showing a 262K context badge, a median time-to-first-token of about 4.21 seconds and a listing dated 2026-08-13.