Una scheda del titolo generata con l'intestazione "Tell 1 vs Qwen 3.8". La scheda a sinistra, etichettata "Tell 1", riporta un'icona a cronometro e le righe "primo per latenza" e "quinto per chiamate agli strumenti"; la scheda a destra, etichettata "Qwen 3.8", riporta un'icona a chiave inglese e le righe "contesto da 1M token" e "chiamata nativa degli strumenti". Un divisore recita "velocità contro la transazione". Il logo OrcaRouter è composto nell'angolo in basso a destra.
Guides & Insights

Tell 1 vs Qwen 3.8: il divario nel tool calling che nessuno mette nel titolo

Autore

jinhao.song

Data di pubblicazione

Ultimi modelli · 20Vedi tutti i modelli →
Benchmark: Artificial Analysis · aggiornato ogni giorno
Torna a tutti gli articoli

Retell pubblica una classifica per i modelli vocali e vi mette Tell 1 al primo posto. La stessa classifica, leggendo un po' più in basso in ogni colonna, dice che Tell 1 è quinto nell'uso degli strumenti. Quel singolo posizionamento è la cosa più utile della pagina, perché segna il confine esatto tra ciò per cui Tell 1 è stato costruito e ciò in cui un modello generalista come Q​wen 3.8 — la generazione il cui modello di punta è Qwen3.8-Max e la cui variante densa open è Qwen3.8-27B — ora è davvero bravo. Un agente telefonico che non riesce a fissare l'appuntamento è peggiore di uno lento. Un modello da 2,4 trilioni di parametri che impiega 8 secondi per dire "ciao" non può rispondere al telefono affatto. La domanda interessante non è quale modello sia migliore; è dove, nel tuo stack, ciascuno smette di essere lo strumento giusto.

Vale la pena nominare prima di ogni altra cosa i livelli di evidenza, perché questi due modelli sono documentati in modi incompatibili. Qwen3.8-Max è stato lanciato come API a pagamento il 3 agosto 2026 con una matrice delle capacità pubblicata, un contesto da 1M token e benchmark del fornitore; Qwen3.8-27B è seguito come pesi Apache-2.0 scaricabili; entrambi sono valutati in modo indipendente da Artificial Analysis. Tell 1 ha una sola riga in un benchmark scritto dal suo proprietario e nessuna model card. Quindi un lato di questa pagina è misurato e l'altro è riportato, e ogni numero di seguito è etichettato di conseguenza.

Quanto ti costa davvero il quinto posto di Tell 1

I numeri della tabella vCX meritano di essere letti nell’ordine in cui compaiono, più che nell’ordine suggerito dalle posizioni in classifica. Sulla riga che Retell definisce colloquiale, Tell 1 ottiene il 96,6% e nessuna configurazione nel gruppo di 62 lo supera. Sulla riga che definisce tool calling, lo stesso modello ottiene il 95,4% e altri quattro fanno meglio: il che non è tanto un difetto del modello quanto un’indicazione di ciò per cui è stato ottimizzato. La media del 94,45% e la mediana di 72,5 ms discendono entrambe da quella priorità; lo stesso vale per un costo del modello di 3,5 centesimi al minuto che lo colloca al 19º posto, comodamente a metà classifica.

Il dato del quinto posto — 95,4%, 954 valutazioni superate su 1.000 — non è male in termini assoluti. È lo schema che conta. In un flusso di contact center, le chiamate agli strumenti sono il punto in cui l’agente compie azioni irreversibili: prenota uno slot, effettua un pagamento, trasferisce un chiamante, annulla un ordine. Un tasso di errore del 4,6% su questi passaggi indica un sistema che per lo più funziona e ogni tanto sbaglia, che è esattamente la modalità di guasto che porta un agente AI a essere rimosso dalla produzione dopo un mese. I vantaggi sul piano conversazionale e della latenza, invece, sono quelli che ne determinano l’approvazione fin dall’inizio. Quell’asimmetria — migliore nella demo che nella transazione — è ciò che va testato, non ciò che va dato per scontato.

Due avvertenze sul benchmark stesso, poiché è l'unica prova pubblica per Tell 1. La sua riga riporta la versione 17 dell'harness mentre 50 delle 62 righe riportano la versione 1, quindi "#1 overall" aggrega due diversi set di test. Ed è il benchmark di Retell stesso, eseguito sui pattern di traffico di Retell, il che è una metodologia legittima e non indipendente.

Cosa porta Qwen 3.8 allo stesso problema

Qwen 3.8 è una generazione, non un modello, e qui la distinzione conta. Qwen3.8-Max è il modello di punta ospitato: contesto da 1M token, input testuale, immagini e video, modalità di ragionamento, function calling, strumenti integrati e output strutturati, offerto in formati di comunicazione compatibili con OpenAI, Anthropic e DashScope. Artificial Analysis gli assegna 33,7 sull'Intelligence Index — meglio del 73% dei modelli con cui viene confrontato — con 76,2 sul Coding Index, 92,8 su GPQA Diamond, 88,8 su Terminal-Bench 2.1 e 47,8 su tau-banking, la combinazione di risultati del fornitore e indipendenti citata nella nostra pagina del modello. Qwen3.8-27B è il membro denso open-weight: 27B parametri, contesto 256K, multimodale, Apache 2.0, e sulla scheda di Qwen stesso 90,3 su LiveCodeBench v6, 89,2 su GPQA Diamond, 84,3 su OSWorld-Verified, 79,0 su QwenSWEBench.

Leggi due volte il numero di tau-banking se l'uso degli strumenti è ciò che ti preoccupa. È un benchmark di attività di assistenza clienti supportate da strumenti — cercare un account, modificare un ordine, seguire una policy — e 47,8 è un punteggio severo in un test severo, non una cifra di marketing. I modelli general-purpose sono diventati bravi in questo prima di diventare bravi a sembrare umani, e l'ordine è tutto il senso di questo confronto: Qwen 3.8 eseguirà il tuo loop di strumenti in modo più affidabile di quanto farà un modello vocale da 72 millisecondi, e impiegherà secondi prima di iniziare a parlare.

• Latenza — 72,5 ms di mediana per Tell 1 nell'harness di Retell; le nostre misurazioni sul servizio indicano Qwen3.8-Max a 8.235 ms p50 e Qwen3.8-27B a 4.197 ms p50 su una finestra di sette giorni, una quantità diversa misurata in modo diverso, e nessuna delle due è un turno di una chiamata telefonica.

• Tool calling — 95,4% (5° posto su 62) per Tell 1 sull'harness di Retell; 47,8 tau-banking e pieno function calling nativo con output strutturati per Qwen3.8-Max, su benchmark valutati da persone che non vendono nessuno dei due modelli.

• Contesto — 1M token per Qwen3.8-Max, 256K per Qwen3.8-27B; non pubblicato per Tell 1, e in gran parte irrilevante durante una chiamata, dove la base di conoscenza risiede al di fuori del modello.

• Prezzo — Tell 1 rientra nella fascia da $0,07 a $0,31 al minuto di Retell, di cui 3,5 cent attribuibili al modello; Qwen3.8-Max costa $2 in input e $6 in output per milione di token, Qwen3.8-27B $0,33 e $2,40, entrambi a listino del fornitore tramite OrcaRouter senza alcun ricarico aggiunto.

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.

L'aritmetica che decide la maggior parte dei deployment

È nella conversione tra le due unità di prezzo che i confronti di solito diventano vaghi, quindi ecco la conversione esplicitata. Un minuto di parlato corrisponde all’incirca a 150 parole pronunciate, cioè circa 200 token di output e forse da 1.500 a 3.000 token di input una volta contati il prompt, la conoscenza recuperata e gli schemi degli strumenti. Con il prezzo di $2/$6 di Qwen3.8-Max, si resta sotto i due centesimi al minuto di costo del modello; con $0.33/$2.40 di Qwen3.8-27B, è una frazione di centesimo.

Quindi il modello per token non è la parte costosa, e questa è la trappola. Ciò che non puoi ottenere da Q​wen 3.8 a qualsiasi prezzo è la prima sillaba in 72 ms, perché un modello di punta da 2,4 trilioni di parametri che risponde in otto secondi ha già perso il chiamante. Il costo del modello di punta ospitato non sono i token; è il tempo di andata e ritorno. Costruire la stessa cosa da soli significa gestire il budget di latenza end-to-end — collocare il modello insieme allo stack vocale, limitare la lunghezza dell'output, fare streaming della prima clausola prima che si risolva la chiamata allo strumento — e quell'ingegneria è la vera voce di costo, non i $0,02.

Ecco perché il verdetto onesto è architetturale più che competitivo. Il valore di Tell 1 è che qualcuno ha già fatto il lavoro di ingegneria sui primi 800 millisecondi di una chiamata telefonica. Il valore di Q​wen 3.8 è che è misurabilmente migliore nella parte della chiamata in cui si fa qualcosa, ed è disponibile sia come API richiamabile sia come pesi che puoi ospitare.

Il pattern split-stack, e dove un router si guadagna il suo posto

La configurazione che risolve questa questione non è una scelta tra i due modelli; è una divisione del lavoro, e le piattaforme vocali la praticano già al proprio interno. La homepage di Retell descrive il proprio stack esattamente in questo modo: un modello per il ragionamento e l’orchestrazione, un agent harness che assembla conoscenza e strumenti, e un livello vocale separato. Tell 1 occupa uno solo dei posti in questa configurazione, non tutti.

Al di fuori di una piattaforma vocale, la stessa suddivisione si presenta così. Un modello piccolo e veloce gestisce il livello di gestione dei turni — la conferma, la richiesta di chiarimento, il «fammi controllare per te» — mentre le fasi ad alto utilizzo di strumenti e ad alto ragionamento vanno a un modello con un miglior storico nel function calling e nel contesto lungo. Qwen 3.8 si adatta bene al secondo ruolo ed entrambi i suoi membri principali sono instradabili tramite OrcaRouter con un'unica chiave: passa da Qwen3.8-Max a Qwen3.8-27B cambiando la stringa del modello, mantieni una catena di fallback così un 429 a monte non diventa una chiamata persa, e usa il DSL di routing per inviare i turni difficili al modello di punta e quelli di routine al membro più economico. Il prezzo di listino del provider viene applicato senza ricarichi, quindi una variazione del prezzo di Qwen ti raggiunge lo stesso giorno invece che al successivo rinnovo contrattuale.

Tell 1 non è nel nostro catalogo e non lo sarà; non viene venduto come modello. Quello che possiamo fare è il percorso di escalation che lo circonda — il modello che il tuo voice agent chiama quando il chiamante chiede qualcosa che lo script non copre.

Come risolverlo in una settimana

Prendi cinquanta chiamate reali dalla tua coda, non sintetiche — il punto debole del benchmark è che le sue chiamate sono di Retell, e le tue modalità di errore vivono nelle tue trascrizioni. Fai passare ciascuna attraverso due configurazioni: Tell 1 dentro Retell, e la stessa logica dell'agente indirizzata a Qwen3.8-Max. Valuta tre cose e ignora tutto il resto. La chiamata allo strumento è partita con gli argomenti giusti? La risposta corrispondeva alla tua base di conoscenza? E a quale timestamp l'agente ha iniziato a parlare dopo che il chiamante ha smesso?

La mia aspettativa, basata sui numeri pubblicati anziché sui test: la configurazione Q​wen vincerà i primi due e perderà nettamente il terzo, e l’ampiezza di quel terzo divario è l’unico numero che decide l’architettura. Se le tue chiamate sono per lo più ricerche con una risposta corretta, il vantaggio di latenza di un modello ottimizzato per la voce vale meno di qualche punto di accuratezza nel tool calling, e vince il modello generale. Se le tue chiamate sono per lo più conversazione — triage, rassicurazione, qualificazione — le chiamate agli strumenti sono superficiali, la latenza è tutto, e un modello progettato per il telefono è il pezzo giusto per il lavoro.

Entrambe le risposte sono difendibili, ed è per questo che l'impostazione «quale sia migliore» fallisce. L'unica cosa che non farei è scegliere Tell 1 sulla base di un primo posto in classifica senza leggere la colonna in cui è quinto, oppure scegliere Qwen 3.8 sulla base di un Intelligence Index senza cronometrare il suo primo token durante una chiamata dal vivo.

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.