Tell 1 vs Gemma 4 12B: uno che puoi mettere su un disco, l'altro che puoi solo chiamare

Il modo più rapido per capire la differenza tra Tell 1 e G​emma 4 12B è provare a scaricarli entrambi. G​emma 4 12B arriva come circa 27 GB di safetensors BF16 con licenza Apache 2.0, funziona a circa 110 token al secondo su una singola scheda da 24 GB in una build quantizzata e risponde a te e a nessun altro. Tell 1 non arriva affatto. È il modello di ragionamento proprietario di Retell, inserito in una piattaforma per agenti vocali che addebita da $0,07 a $0,31 al minuto e non vende il modello, non ne pubblica una model card né ti consente di indirizzarlo verso la tua infrastruttura. Tutto il resto in questo confronto deriva da questa asimmetria, inclusi i benchmark, perché uno di questi modelli può essere misurato da chiunque abbia una GPU e l'altro può essere misurato solo dall'azienda che lo possiede.

Entrambe sono uscite davvero interessanti, e sono state costruite per compiti diversi. Gemma 4 12B è il modello aperto di medie dimensioni senza encoder di Google DeepMind, rilasciato il 3 giugno 2026, progettato per svolgere ragionamento multimodale sulla macchina che hai davanti. Tell 1 è il livello di ragionamento di uno stack per contact center che gestiva più di 100 milioni di chiamate al mese prima che il modello esistesse, e il suo obiettivo di progettazione è la cosa che un modello locale non può offrire: una prima sillaba che rientra nella tolleranza al silenzio di un chiamante telefonico.

Due cose chiamate modello, e solo una è un file

Gemma 4 12B ha 11,95 miliardi di parametri densi e non dispone di encoder separati per visione o audio: le patch delle immagini e le forme d'onda audio entrano direttamente nel transformer, motivo per cui la famiglia viene distribuita come un unico checkpoint "unificato" anziché come una pila di torri. Supporta una finestra di contesto di 256K token ed elabora testo, immagini, audio e fotogrammi video. Il repository Hugging Face è stato scaricato più di 14 milioni di volte, il template di chat è stato revisionato l'ultima volta il 9 luglio 2026 e la licenza è Apache 2.0, senza clausola sui ricavi, senza clausola sul numero di utenti e senza alcun accordo commerciale separato da negoziare.

Tell 1 non ha nessuno di questi artefatti. Non c'è nessun repository, nessuna configurazione, nessun tokenizer, nessun testo di licenza e nessun dato sulla finestra di contesto pubblicato in nessun punto del sito di Retell che sono riuscito a trovare — e ho controllato il blog, il changelog, l'indice della documentazione, la newsroom e il sito dei benchmark dei modelli dell'azienda. Gli unici due punti in cui compare in assoluto sono un'etichetta sulla homepage, dove si trova accanto ad "Agent harness" sotto una sezione intitolata "Developed by Retell Labs", e una nota di aggiornamento di novembre aggiunta a un changelog di settembre sul benchmark vocale pubblico di Retell. Questa è l'intera documentazione pubblica. Non è uno scandalo; molti fornitori di piattaforme rilasciano modelli interni senza documentarli. Ma significa che metà di questo confronto deve basarsi sulla parola del fornitore, e l'altra metà può essere svolta da te, stasera, sul tuo hardware.

Le cinque domande a cui uno di loro risponde in pubblico

Metti i due fianco a fianco sulle dimensioni di cui un acquirente ha davvero bisogno, e la forma del divario diventa evidente. Entrambi i lati di ogni riga, perché il punto è il contrasto anziché un punteggio:

• Pesi — G​emma 4 12B li pubblica, Apache 2.0, self-hostabile, fine-tunabile, ridistribuibile; Tell 1 non pubblica nulla ed è raggiungibile solo come parte di un agente vocale Retell.

• Dimensione — 11,95 miliardi di parametri densi, circa 27 GB in BF16 e meno di 7 GB quantizzati, per Gemma; non divulgati per Tell 1, e il fatto che risponda con una mediana di 72 ms all'interno dell'harness di Retell implica un modello piccolo e realizzato su misura anziché un generalista di frontiera, ma questa è un'inferenza, non documentazione.

• Contesto — 256K token per G​emma 4 12B; non specificato per Tell 1, il che, per un agente telefonico, è meno allarmante di quanto sembri, dato che una chiamata è breve e la base di conoscenza risiede al di fuori del modello.

• Modalità — Gemma accetta testo, immagini, audio e video e restituisce testo; Tell 1 riceve il payload di trascrizione e strumenti che una piattaforma vocale gli consegna, e non è reso noto cos'altro accetti.

• Prove — G​emma dispone di una scheda del fornitore (DocVQA 94,9, InfoVQA 88,4, MMLU-Pro 77,2, GPQA Diamond 78,8, tutti dichiarati da G​oogle) oltre a un Artificial Analysis Intelligence Index indipendente pari a 14 a circa 110,9 token al secondo; Tell 1 ha una sola riga in un benchmark scritto dal suo stesso proprietario, di cui si parla qui sotto.

Nota quale colonna è più lunga. Non è una critica alla qualità di Tell 1; è un'affermazione su ciò che puoi verificare prima di spendere denaro. Un modello che puoi scaricare può essere testato sui tuoi dati in un pomeriggio. Un modello che puoi solo noleggiare viene testato noleggiandolo.

Cosa misura realmente il dato principale di Tell 1

Il vCX Benchmark di Retell pubblica i propri risultati come dati strutturati anziché come un grafico di marketing, cosa che la maggior parte delle classifiche dei fornitori non fa. Tell 1 compare in una tabella di 62 configurazioni valutate tratte da 45 modelli, e la sua riga è più forte sul versante conversazionale: 96,6% sulla dimensione colloquiale di Retell e una mediana di 72,5 ms, primo nel settore su entrambi. La stessa riga si colloca al secondo posto sulla capacità di seguire le istruzioni e sulla riga che Retell etichetta come allucinazione, al quinto posto sul tool calling, e con un costo del modello di 3,5 centesimi al minuto che la porta al 19º posto su 62. Facendo la media delle quattro dimensioni si ottiene il 94,45%, che è il dato con cui Retell apre.

{{1}}Due avvertenze vanno accostate a quei posizionamenti, e nessuna delle due implica che Retell stia mentendo — semplicemente i dati non supportano un'interpretazione più lineare. Primo, la riga di Tell 1 riporta la versione 17 del benchmark mentre 50 delle 62 righe riportano la versione 1; un benchmark che rivede i propri task fa la cosa giusta, ma il "#1 complessivo" calcolato su due set di test diversi è un dato aggregato, non un risultato confrontabile a parità di condizioni, e la pagina non normalizza questo aspetto. Secondo, le quattro dimensioni non concordano. Tell 1 non è il modello migliore nel proprio benchmark nel seguire le istruzioni o nel chiamare gli strumenti — GPT-6-Astra ottiene l'89,7% nel seguire le istruzioni contro l'88,6% di Tell 1, e almeno una build di Claude è leggermente avanti nelle chiamate agli strumenti. Ciò che vince nettamente sono le due cose che chi chiama può sentire: è il più veloce e suona più umano.{{/1}}

Un numero che vale la pena tenere distinto, perché i due vengono confusi nei resoconti: 72 ms è la latenza del modello all'interno dell'harness, non l'esperienza di chi chiama. La homepage di Retell indica un tempo di risposta tipico dell'agente di circa 600 ms end-to-end, che include riconoscimento vocale, orchestrazione, il turno del modello e sintesi vocale. Entrambi i numeri possono essere veri. Solo il secondo è ciò che percepisce una persona al telefono.

Dove va ciascuno in una pila

Gemma 4 12B è una scelta poco adatta per un agente telefonico in tempo reale, e non per la qualità. Un modello dense da 12B su una singola GPU è un componente valido, ma è il round trip attraverso il vostro stack di serving, insieme al riconoscimento e alla sintesi vocale, a spingere la risposta end-to-end nella fascia in cui gli interlocutori iniziano a parlare sopra l'agente. La stessa presentazione di Google del 12B lo colloca nell'ambito del lavoro agentico su laptop — comprensione dei documenti, lettura dello schermo, uso di strumenti, supporto alla programmazione — e questa caratterizzazione è accurata. Se il vostro lavoro consiste in centomila fatture a notte, in un corpus privato che non potete inviare a terze parti o in un dispositivo sul campo offline, Tell 1 non può competere, perché Tell 1 non può proprio essere distribuito in quei contesti.

Il Tell 1 è l'opposto. Non può lasciare Retell, non può essere sottoposto a fine-tuning sui tuoi transcript da parte tua e non può essere valutato con benchmark da terzi senza la collaborazione di Retell. Quello che può fare è rispondere all'interno di una piattaforma che possiede già la telefonia, la gestione dei turni di parola e la voce, e farlo in 72 ms, cioè nella parte dello stack che nessuna quantità di prompt engineering può sistemare. Se state acquistando un agente per il contact centre invece di costruirne uno, è l'unica colonna che conta.

La via di mezzo è dove la maggior parte dei team finisce effettivamente per approdare: un piccolo modello self-hosted per il grosso del lavoro deterministico e un modello frontier hosted per i passaggi più difficili. Nessuno di questi due modelli è la scelta naturale per quel secondo slot, ed è qui che il nostro catalogo diventa rilevante. Né Tell 1 né G​emma 4 12B sono instradabili tramite OrcaRouter — non ospitiamo Tell 1, e le versioni di G​emma 4 che offriamo sono la 31B Instruct e la 26B A4B, non la 12B. Quei due hanno il prezzo di listino del provider senza alcun ricarico, $0,13 in input e $0,38 in output per milione di token per la 31B e $0,06 e $0,33 per la 26B A4B, che è il punto di confronto onesto se quello che volevi dalla 12B era "una G​emma 4 che posso chiamare senza possedere una GPU".

Costo, convertito nella stessa unità

Confrontare un prezzo della piattaforma al minuto con un prezzo del modello per token è il punto in cui gran parte di queste analisi bara silenziosamente, quindi ecco la conversione invece di un verdetto. Tell 1 non ha un prezzo separato; è incluso nei 0,07-0,31 dollari al minuto di Retell, e la riga del benchmark che lo riporta indica 3,5 centesimi al minuto di costo del modello, che rientra in quella fascia anziché sostituirla. G​emma 4 12B, con il prezzo combinato di Artificial Analysis di 0,10 dollari per milione di input e 0,30 dollari per milione di output, è praticamente gratuito per token, e poi si paga la GPU: una scheda da 24 GB in funzione per un'ora costa più di mille minuti del livello più economico di Retell, quindi il punto di pareggio si raggiunge solo con volumi sostenuti e un elevato utilizzo.

• Unità di costo — dollari al minuto di conversazione per Tell 1; dollari per milione di token più ore GPU per G​emma 4 12B.

• Break-even — Gemma vince sul costo marginale nel momento in cui le tue GPU sono già occupate; Tell 1 vince sul costo totale di proprietà finché il volume non è sufficientemente grande da mantenere satura una scheda.

• Voci di costo nascoste — Tell 1 raggruppa telefonia, sintesi vocale e l'harness in un unico numero; uno stack G​emma self-hosted ti addebita separatamente l'ASR, il T​TS, il livello di serving e l'ingegnere di reperibilità.

Quale scegliere?

Se il requisito è un agente telefonico che suoni umano in questo trimestre, Tell 1 è l'unico dei due a essere un prodotto, e il benchmark — avvertenze incluse — dice che ciò in cui è più bravo è esattamente ciò che stai acquistando. Mettilo alla prova rispetto al modello di cui ti fidi attualmente all'interno dello stesso agente Retell, ascolta venti chiamate e conta gli errori di grounding, perché è lì che i dati di Retell stesso dicono che perde.

Se il requisito è un modello che puoi ispezionare, mettere a punto, ospitare privatamente, ridistribuire all'interno di un prodotto o eseguire senza rete, G​emma 4 12B non è soltanto l'opzione migliore — è l'unica opzione in questa pagina. Apache 2.0 e una finestra di contesto da 256K su 12B sono una combinazione che diventa più utile ogni mese, e i 14 milioni di download suggeriscono che molte squadre sono già arrivate a questa conclusione.

La domanda da porsi prima di entrambi gli acquisti è quale di quelle due frasi descrive il tuo problema, perché non sono lo stesso problema, e nessun benchmark può dirti quale dei due hai.