Tell 1 vs Gemma 4 12B: Satu Bisa Disimpan di Disk, Satu Hanya Bisa Lewat Telepon

Cara tercepat untuk memahami perbedaan antara Tell 1 dan G​emma 4 12B adalah mencoba mengunduh keduanya. G​emma 4 12B hadir sebagai sekitar 27 GB safetensors BF16 di bawah Apache 2.0, berjalan pada sekitar 110 token per detik di satu kartu 24 GB dalam build terkuantisasi, dan hanya menjawab kepada Anda, bukan kepada siapa pun. Tell 1 sama sekali tidak hadir. Itu adalah model penalaran milik Retell sendiri, yang berada di dalam platform agen suara yang mengenakan biaya $0,07 hingga $0,31 per menit dan tidak menjual modelnya, tidak menerbitkan kartu model untuknya, maupun tidak memungkinkan Anda mengarahkannya ke infrastruktur Anda sendiri. Semua hal lain dalam perbandingan ini mengikuti asimetri tersebut, termasuk tolok ukurnya, karena salah satu model ini dapat diukur oleh siapa saja yang memiliki GPU dan yang lainnya hanya dapat diukur oleh perusahaan yang memilikinya.

Keduanya adalah rilis yang benar-benar menarik, dan keduanya dibuat untuk pekerjaan yang berbeda. G​emma 4 12B adalah model terbuka ukuran menengah tanpa encoder milik G​oogle DeepMind, dirilis 3 Juni 2026, yang dirancang untuk melakukan penalaran multimodal di mesin tepat di depan Anda. Tell 1 adalah lapisan penalaran dari stack pusat kontak yang menangani lebih dari 100 juta panggilan per bulan sebelum model itu ada, dan tujuan desainnya adalah satu hal yang tidak dapat diberikan model lokal: suku kata pertama yang muncul dalam batas toleransi penelepon telepon terhadap keheningan.

Dua hal yang disebut model, dan hanya satu yang merupakan file

Gemma 4 12B adalah 11,95 miliar parameter padat tanpa encoder visi atau audio terpisah — patch gambar dan bentuk gelombang audio langsung masuk ke transformer, itulah sebabnya keluarga ini dikirim sebagai satu checkpoint "terpadu" alih-alih tumpukan menara. Model ini membawa konteks 256K token dan membaca teks, gambar, audio, serta frame video. Repositori Hugging Face telah diunduh lebih dari 14 juta kali, templat chat terakhir direvisi pada 9 Juli 2026, dan lisensinya Apache 2.0 tanpa klausul pendapatan, tanpa klausul jumlah pengguna, dan tanpa perjanjian komersial terpisah yang perlu dinegosiasikan.

Tell 1 tidak memiliki artefak tersebut sama sekali. Tidak ada repositori, tidak ada konfigurasi, tidak ada tokenizer, tidak ada teks lisensi, dan tidak ada angka jendela konteks yang dipublikasikan di mana pun yang dapat saya temukan di situs Retell sendiri — dan saya sudah melihat blog, changelog, indeks dokumentasi, newsroom, dan situs benchmark model perusahaan itu. Dua tempat yang sama sekali menampilkannya adalah label di beranda, tempat ia berada di samping "Agent harness" di bawah bagian berjudul "Developed by Retell Labs," dan catatan pembaruan November yang ditambahkan ke changelog September tentang benchmark suara publik Retell. Itulah seluruh catatan publiknya. Ini bukan skandal; banyak vendor platform mengirimkan model internal tanpa mendokumentasikannya. Namun itu berarti separuh dari perbandingan ini harus dilakukan berdasarkan kata vendor, dan separuh lainnya dapat Anda lakukan sendiri, malam ini, di perangkat keras Anda sendiri.

Lima pertanyaan yang dijawab salah satu dari mereka di depan umum

Letakkan keduanya berdampingan pada dimensi yang benar-benar dibutuhkan pembeli, dan bentuk kesenjangannya menjadi jelas. Kedua sisi pada setiap baris, karena intinya adalah kontras, bukan skor:

• Bobot — G​emma 4 12B menerbitkannya, Apache 2.0, dapat di-host sendiri, dapat di-fine-tune, dapat didistribusikan ulang; Tell 1 tidak menerbitkan apa pun dan hanya dapat dijangkau sebagai bagian dari agen suara Retell.

• Ukuran — 11,95B parameter dense, sekitar 27 GB dalam BF16 dan di bawah 7 GB terkuantisasi, untuk Gemma; tidak diungkapkan untuk Tell 1, dan fakta bahwa model ini menjawab dengan median 72 ms di dalam harness Retell menyiratkan model kecil yang dibuat khusus, bukan generalis terdepan, tetapi itu inferensi, bukan dokumentasi.

• Konteks — 256K token untuk G​emma 4 12B; tidak disebutkan untuk Tell 1, yang bagi agen telepon tidak seburuk kedengarannya, karena panggilan singkat dan basis pengetahuan berada di luar model.

• Modalitas — G​emma menerima teks, gambar, audio, dan video lalu mengembalikan teks; Tell 1 menerima payload transkrip-dan-alat yang diberikan platform suara kepadanya, dan apa lagi yang diterimanya tidak dipublikasikan.

• Bukti — G​emma memiliki kartu vendor (DocVQA 94.9, InfoVQA 88.4, MMLU-Pro 77.2, GPQA Diamond 78.8, semuanya dilaporkan oleh G​oogle) ditambah Artificial Analysis Intelligence Index independen sebesar 14 pada sekitar 110.9 token per detik; Tell 1 memiliki satu baris dalam benchmark yang ditulis pemiliknya, yang dibahas di bawah.

Perhatikan kolom mana yang lebih panjang. Ini bukan menjelekkan kualitas Tell 1; ini pernyataan tentang apa yang dapat Anda verifikasi sebelum mengeluarkan uang. Model yang dapat Anda unduh dapat diuji dengan data Anda sendiri dalam waktu satu sore. Model yang hanya bisa Anda sewa diuji dengan menyewanya.

Apa yang sebenarnya diukur oleh angka utama Tell 1

Benchmark vCX Retell mempublikasikan hasilnya sebagai data terstruktur, bukan sebagai grafik pemasaran, yang lebih daripada yang dilakukan sebagian besar papan peringkat vendor. Tell 1 berada dalam tabel berisi 62 konfigurasi yang dievaluasi yang diambil dari 45 model, dan barisnya paling kuat di sisi percakapan: 96,6% pada dimensi bahasa sehari-hari Retell dan median 72,5 ms, peringkat pertama di bidangnya pada keduanya. Baris yang sama menunjukkan peringkat kedua pada instruction following dan pada baris yang Retell beri label halusinasi, kelima pada tool calling, dan biaya model 3,5 sen per menit yang menempatkannya di peringkat ke-19 dari 62. Rata-ratakan keempat dimensi dan Anda mendapat 94,45%, yang merupakan angka yang Retell tonjolkan.

Dua catatan keberatan menyertai peringkat tersebut, dan keduanya bukan berarti Retell tidak jujur — data memang tidak mendukung pembacaan yang lebih bersih. Pertama, baris Tell 1 memuat benchmark versi 17 sementara 50 dari 62 baris memuat versi 1; benchmark yang merevisi tugas-tugasnya melakukan hal yang benar, tetapi "#1 secara keseluruhan" yang dihitung lintas dua set pengujian berbeda adalah agregat, bukan hasil yang setara, dan halaman itu tidak menormalkannya. Kedua, keempat dimensi tidak konsisten. Tell 1 bukan model terbaik dalam benchmark-nya sendiri untuk mengikuti instruksi atau memanggil alat — GPT-6-Astra mencetak 89,7% untuk kemampuan mengikuti instruksi dibandingkan Tell 1 dengan 88,6%, dan setidaknya satu build Claude sedikit unggul dalam panggilan alat. Yang dimenangkannya secara mutlak adalah dua hal yang bisa didengar penelepon: ia paling cepat dan paling terdengar seperti manusia.

Satu angka yang perlu diluruskan, karena keduanya sering dicampuradukkan dalam liputan: 72 ms adalah latensi model di dalam harness, bukan pengalaman penelepon. Beranda Retell menyebutkan waktu respons agen yang tipikal sekitar 600 ms secara end to end, yang mencakup pengenalan suara, orkestrasi, giliran model, dan sintesis suara. Kedua angka itu bisa sama-sama benar. Hanya angka kedua yang dirasakan oleh orang di telepon.

Di mana masing-masing berada dalam tumpukan

G​emma 4 12B bukan pilihan yang cocok untuk agen telepon langsung, dan bukan karena kualitasnya. Model dense 12B pada satu GPU adalah komponen yang baik, tetapi perjalanan pulang-pergi melalui stack serving Anda sendiri, ditambah pengenalan dan sintesis ucapan, itulah yang mendorong respons ujung-ke-ujung ke rentang di mana penelepon mulai berbicara menimpa agen. Framing G​oogle sendiri untuk 12B adalah pekerjaan agentic di laptop — pemahaman dokumen, pembacaan layar, penggunaan alat, bantuan coding — dan framing itu akurat. Jika pekerjaan Anda adalah seratus ribu faktur per malam, korpus privat yang tidak dapat Anda kirim ke pihak ketiga, atau perangkat lapangan offline, Tell 1 tidak dapat bersaing, karena Tell 1 sama sekali tidak dapat diterapkan di sana.

Tell 1 adalah kebalikannya. Ia tidak bisa keluar dari Retell, tidak bisa di-fine-tune oleh Anda dengan transkrip Anda, dan tidak bisa diuji tolok ukur oleh pihak ketiga tanpa kerja sama Retell. Yang bisa dilakukannya adalah menjawab di dalam platform yang sudah memiliki teleponi, giliran bicara, dan suara, serta melakukannya dalam 72 ms—bagian dari stack yang tidak bisa diperbaiki oleh sebanyak apa pun prompt engineering. Jika Anda membeli agen pusat kontak alih-alih membangunnya, itulah satu-satunya kolom yang penting.

Jalan tengah itulah yang sebenarnya paling sering dipilih tim: model kecil yang di-hosting sendiri untuk pekerjaan bervolume besar dan deterministik, serta model frontier berbayar untuk momen-momen sulit. Tidak ada satu pun dari kedua model ini yang menjadi pilihan alami untuk slot kedua itu, dan di sinilah katalog kami sendiri menjadi relevan. Baik Tell 1 maupun G​emma 4 12B tidak dapat dirutekan melalui OrcaRouter — kami tidak menghosting Tell 1, dan ukuran G​emma 4 yang kami sediakan adalah 31B Instruct dan 26B A4B, bukan yang 12B. Keduanya dihargai sesuai daftar harga penyedia tanpa tambahan apa pun, $0.13 input dan $0.38 output per juta token untuk 31B serta $0.06 dan $0.33 untuk 26B A4B, yang merupakan titik pembanding yang jujur jika yang Anda inginkan dari 12B adalah "G​emma 4 yang bisa saya panggil tanpa memiliki GPU."

Biaya, dikonversi ke satuan yang sama

Membandingkan harga platform per menit dengan harga model per token adalah titik di mana sebagian besar tulisan semacam ini diam-diam curang, jadi di sini disajikan konversinya, bukan putusan. Tell 1 tidak diberi harga terpisah; ia termasuk dalam $0,07 hingga $0,31 per menit milik Retell, dan baris pembanding yang memuatnya menyebut 3,5 sen per menit untuk biaya model, yang berada di dalam rentang itu, bukan menggantikannya. G​emma 4 12B pada harga gabungan Artificial Analysis sebesar $0,10 per juta input dan $0,30 per juta output kurang lebih gratis per token, lalu Anda membayar GPU-nya: kartu 24 GB yang berjalan selama satu jam menghabiskan biaya lebih dari seribu menit tier termurah Retell, jadi titik impas hanya terjadi pada volume berkelanjutan dengan utilisasi tinggi.

• Biaya satuan — dolar per menit percakapan untuk Tell 1; dolar per juta token ditambah jam GPU untuk Gemma 4 12B.

• Titik impas — G​emma menang pada biaya marjinal begitu GPU Anda sudah sibuk; Tell 1 menang pada total biaya kepemilikan hingga volumenya cukup besar untuk membuat satu kartu tetap terpakai penuh.

• Pos biaya tersembunyi — Tell 1 menggabungkan teleponi, sintesis ucapan, dan harness menjadi satu angka; stack Gemma yang di-host sendiri menagih Anda secara terpisah untuk ASR, TTS, lapisan serving, dan engineer on-call.

Mana yang harus dipilih

Jika persyaratannya adalah agen telepon yang terdengar seperti manusia kuartal ini, Tell 1 adalah satu-satunya dari keduanya yang merupakan produk, dan tolok ukur — termasuk catatan peringatannya — mengatakan bahwa hal yang paling unggul darinya adalah persis apa yang Anda beli. Ujilah terhadap model yang saat ini Anda percayai di dalam agen Retell yang sama, dengarkan dua puluh panggilan, dan hitung kesalahan grounding-nya, karena di situlah data Retell sendiri mengatakan bahwa ia kalah.

Jika kebutuhannya adalah model yang dapat Anda periksa, fine-tune, host secara privat, distribusikan ulang di dalam produk, atau jalankan tanpa jaringan, G​emma 4 12B bukan sekadar opsi yang lebih baik — melainkan satu-satunya opsi di halaman ini. Apache 2.0 dan konteks 256K pada 12B adalah kombinasi yang makin berguna setiap bulan, dan 14 juta unduhan menunjukkan banyak tim telah sampai pada kesimpulan itu.

Pertanyaan yang layak diajukan sebelum membeli salah satu dari keduanya adalah kalimat mana di antara kedua kalimat tersebut yang menggambarkan masalah Anda, karena keduanya bukan masalah yang sama, dan tidak ada benchmark yang bisa memberi tahu Anda yang mana yang Anda miliki.