Tell 1 vs LFM2.5 2.6B Base: un modello vocale che noleggi e un checkpoint che completi da solo

Metti Tell 1 e LFM2.5 2.6B Base uno accanto all'altro e la differenza di dimensioni sembra raccontare la storia: uno è il modello di ragionamento interno di Retell dentro una piattaforma per contact centre, l'altro è un checkpoint solo testo da 2,69 miliardi di parametri di Liquid AI che sta in un file da 5,4 GB. Non è questa la storia. La storia è che LFM2.5 2.6B Base è un modello base — non è mai stato addestrato con istruzioni e, se gli poni una domanda, continuerà il tuo testo invece di rispondere — mentre Tell 1 è un componente finito di un prodotto che risponde alle telefonate per mestiere. Uno dei due è materia prima. L'altro è un pezzo funzionante che non ti è consentito smontare. Tutto ciò che segue riguarda quale di queste due cose serva davvero al tuo problema, perché nessuna delle due può sostituire l'altra e il confronto dei prezzi che sembra ovvio è la cosa meno utile in questa pagina.

Anche il tempismo conta, ed è proprio il motivo per cui questo abbinamento esiste. Entrambi sono recenti: Liquid AI ha pubblicato la famiglia LFM2.5 in agosto 2026, e Tell 1 di Retell è entrato nel panorama pubblico in novembre 2026, quando è apparso in cima a un benchmark pubblicato da Retell. Nessuno dei due è un lancio di cui stai leggendo in ritardo. Entrambi sono anche insolitamente scarni di documentazione pubblica, per ragioni opposte — Liquid ha rilasciato un checkpoint senza istruzioni perché le istruzioni non sono mai state il punto, e Retell ha rilasciato un modello senza documentazione perché il modello non è un prodotto che puoi acquistare separatamente.

Inizia da ciò che il checkpoint Liquid non può fare

LFM2.5 2.6B Base è il checkpoint preaddestrato della famiglia ibrida LFM2.5 di Liquid AI: 30 livelli, 22 dei quali blocchi a convoluzione breve a doppio gate e 8 con attenzione grouped-query, addestrato su circa 34 trilioni di token in 16 lingue, con una finestra di contesto di 131.072 token e una quantizzazione Q4_K_M che si attesta vicino a 1,67 GB. Testo in ingresso, testo in uscita. Nessuna visione, nessun audio, nessun template di chiamata di strumenti su cui poter fare affidamento, nessun instruction tuning — e la scheda modello di Liquid afferma chiaramente che è destinato a un fine-tuning intensivo piuttosto che al prompting.

Non è un difetto, e trattarlo come tale è l’errore più comune nelle analisi dei modelli di base. Un checkpoint di base è il punto di partenza corretto quando hai un compito ben definito, un ampio corpus di tuoi esempi e nessun interesse a pagare un fornitore per token per risolverlo. Un modello da 2,69B che viene sottoposto a fine-tuning su una singola GPU consumer e poi eseguito quantizzato su un laptop o un telefono è un oggetto economico diverso da qualsiasi API ospitata: il costo marginale per chiamata si riduce più o meno all’elettricità, e il costo che paghi davvero si sposta su etichettatura dei dati, cicli di addestramento e valutazione.

Quello che non può fare è essere inserito in una conversazione. Non esiste un prompt di sistema che trasformi un checkpoint di base in un agente affidabile per le chiamate di funzione, e nessuna quantità di prompt engineering può sostituire la fase di post-training. Se il tuo piano è "scaricarlo, incapsularlo in un server compatibile con OpenAI e puntarci un agente vocale", il piano fallirà alla prima chiamata di funzione — e quel fallimento sembrerà un problema di qualità del modello quando invece è una fase di addestramento mancante.

Allora che cos'è Tell 1, e perché non puoi averlo

Tell 1 è il livello di ragionamento dello stack vocale di Retell, elencato sulla homepage dell'azienda sotto "Developed by Retell Labs" accanto a un harness di agenti che assembla modelli, conoscenze e strumenti. Non è venduto come modello. Non esiste una scheda modello, né un repository, né un valore di context window, né un conteggio dei parametri, né una licenza e né un prezzo per token pubblicato in qualsiasi punto del sito di Retell. L'unica prova quantitativa pubblica è una riga nel Retell vCX Benchmark, una classifica mantenuta da Retell stessa: 88,6% di aderenza alle istruzioni, 97,2% sulla dimensione etichettata allucinazione, 95,4% di chiamata di strumenti, 96,6% colloquiale, una media del 94,45%, con una latenza mediana di 72,5 ms e 3,5 centesimi per minuto di costo del modello.

Che Tell 1 sia un fine-tuning di qualcosa di pubblico, un modello addestrato da zero o un piccolo modello distillato da uno più grande non viene divulgato. La mediana di 72 ms suggerisce un modello piccolo e veloce piuttosto che un generalista di frontiera, poiché tale cifra rientra nella fascia in cui il tempo di andata e ritorno verso uno stack di inferenza di terze parti inizia a dominare — ma questo è un ragionamento basato su un numero di latenza, e i numeri di latenza hanno molte cause. Ciò che non è inferenza è il packaging: si ottiene Tell 1 acquistando tempo sulla piattaforma di Retell, a $0,07–$0,31 al minuto a seconda della configurazione, e il modello non è separabile dalla telefonia, dallo stack vocale e dall'harness che lo circonda.

Questa è l'asimmetria che un acquirente deve considerare nella valutazione. LFM2.5 2.6B Base è tuo come nessun modello ospitato potrà mai esserlo: puoi leggerne i pesi, quantizzarlo, distribuirlo in un'app e continuare a eseguirlo se il fornitore sparisce. Tell 1 è disponibile come nessun modello scaricabile può esserlo: è già collegato a un numero di telefono, a un livello di gestione dei turni di conversazione e a una voce, e il lavoro per farlo sembrare umano in una chiamata reale è stato fatto da qualcun altro.

Il confronto che conta davvero: dove viene speso il budget di latenza

Entrambi questi modelli vivono o muoiono al cronometro, ed è per questo che vengono menzionati insieme anche se svolgono compiti diversi. Una chiamata telefonica concede un margine di circa 800 ms tra il momento in cui l'interlocutore finisce una frase e quello in cui l'agente ne inizia una, prima che la pausa venga percepita come una linea caduta. Questo margine copre il riconoscimento vocale, il turno del modello, le chiamate agli strumenti e la sintesi vocale, in quest'ordine.

• Latenza del modello — 72,5 ms di mediana per Tell 1 all'interno dell'harness di Retell, primo di 62 configurazioni su quel benchmark; non è pubblicata per LFM2.5 2.6B Base, perché un checkpoint di base non ha un prodotto servito da misurare e il suo throughput quantizzato dipende interamente dal tuo hardware.

• Cos'altro c'è negli 800 ms — per Tell 1, telefonia e voce rientrano nel numero della piattaforma, e Retell dichiara una tipica risposta end-to-end di circa 600 ms; per uno stack LFM2.5 self-hosted, ASR, TTS e il livello di serving sono tutti da aggiungere a tuo carico, e ciascuno è una scelta di fornitore.

• Throughput — Il modello sibling post-addestrato di Liquid di questo checkpoint gira a 220 token al secondo su un Apple M5 Max e a 113 su una CPU AMD Ryzen, e il fornitore nota che 30 token al secondo sono raggiungibili su un telefono; la velocità di un modello da 2,69 miliardi di parametri è funzione della macchina, non di un livello di servizio.

Quell’ultima riga racchiude tutta la differenza di natura. La latenza di Tell 1 è una promessa che qualcun altro mantiene; la latenza di LFM2.5 è una proprietà dell’hardware che scegli. Se il tuo obiettivo di distribuzione è un call center con 200 linee simultanee, la prima è ciò che stai acquistando. Se è un dispositivo in un magazzino senza rete, la seconda è l’unica che esista.

Il fine-tuning è il bivio

Ecco la decisione, espressa nel modo più chiaro possibile. Scegli LFM2.5 2.6B Base se hai un compito che sai descrivere con precisione, esempi dello stesso e un motivo per non inviare quegli esempi a terzi — un passaggio di classificazione all'interno di un flusso di chiamata, un riassuntore specifico per dominio, un router on-device che stabilisce che cos'è una richiesta. Il modello è abbastanza piccolo che un fine-tuning richiede un pomeriggio anziché un trimestre, la finestra di contesto è abbastanza ampia per documenti reali, e la licenza consente l'uso commerciale al di sotto dei 10 milioni di dollari di ricavi annui, con un accordo separato richiesto a partire da quella soglia. Quella soglia è un dato di procurement e va inserita nella decisione, non in una nota a piè di pagina.

Scegli {{1}}Tell 1{{/1}} se stai acquistando un agente telefonico anziché un modello, e in particolare se ciò che non riesci a costruire è la superficie conversazionale: {{2}}gestione delle interruzioni{{/2}}, {{3}}formulazioni colloquiali{{/3}} e {{4}}una prima sillaba che arriva abbastanza velocemente da far sì che il chiamante non si accorga di una macchina{{/4}}. {{5}}Il benchmark di Retell{{/5}} afferma che quelle sono le due dimensioni in cui {{6}}Tell 1{{/6}} è in testa — {{7}}1º posto per colloquialità{{/7}}, {{8}}1º posto per latenza{{/8}} — e dice altrettanto chiaramente che non è in testa su {{9}}capacità di seguire le istruzioni{{/9}}, {{10}}grounding{{/10}} o {{11}}chiamata degli strumenti{{/11}}, dove si classifica al {{12}}secondo{{/12}}, al {{13}}secondo{{/13}} e al {{14}}quinto{{/14}} posto, rispettivamente. Metti alla prova quelle tre cose sulle tue chiamate prima di standardizzare, perché sono quelle che producono risposte sbagliate anziché soltanto più lente.

Esiste una terza opzione, ed è quella su cui finisce la maggior parte dei team con un carico di lavoro reale: mantenere il fine-tune piccolo per la parte del compito che è ristretta e ripetitiva, e instradare i turni difficili verso un modello ospitato più grande. È esattamente la suddivisione per cui è costruito un livello di routing, ed è qui cheil nostro catalogo trova posto. Né Tell 1 né LFM2.5 2.6B Base sono instradabili tramite OrcaRouter — non ospitiamo nessuno dei due — quindi la versione pratica di quell'architettura colloca il fine-tune di Liquid sul tuo hardware e invia il percorso di escalation a un modello che offriamo, con una sola chiave API, al prezzo di listino del provider senza alcun sovrapprezzo.

Cosa cambierebbe la risposta

Per Tell 1, tre pubblicazioni lo farebbero passare da "test all'interno della piattaforma" a "prendere in considerazione la standardizzazione": una scheda modello che indichi l'architettura e i dati di addestramento, un prezzo per singolo modello così che il costo possa essere separato dal pacchetto al minuto, e una valutazione eseguita da qualcuno diverso da Retell. Il record attuale è una riga sulla classifica dello stesso fornitore, e un fornitore che si classifica primo sul proprio harness è un'ipotesi, non un risultato.

Per LFM2.5 2.6B Base, il tassello mancante non è la documentazione — è il tuo fine-tune. Il checkpoint è completo e la licenza è leggibile, il che significa che l'unica incognita è se un modello da 2,69B addestrato sui tuoi dati supera l'asticella sul tuo task. È una domanda a cui puoi rispondere questa settimana con una GPU, e nessuna quantità di lettura lo farà al posto tuo. Ecco il compromesso in una frase: Tell 1 ti risparmia il lavoro d'ingegneria e ti toglie il controllo; LFM2.5 2.6B Base ti dà il controllo e ti fa fare il lavoro d'ingegneria.