Retell's $100M-runrate ging gepaard met een model: wat Tell 1 eigenlijk is

Op 12 november 2026 publiceerde Retell twee dingen die samen zullen worden gelezen, of het bedrijf dat nu wilde of niet: een blogpost waarin werd aangekondigd dat het de $100 miljoen aan geannualiseerde run rate had overschreden, en in dezelfde week het eerste publieke bewijs van Tell 1 — een model dat Retell zelf heeft gebouwd en als het zijne beschrijft, op de homepage van het bedrijf vermeld onder "Developed by Retell Labs" als de redeneerlaag van zijn voice-stack. Het omzetcijfer is wat rondgaat. Het model is wat verandert wat Retell is, want een voice-agentplatform dat je prompt alleen naar G​PT of Claude doorstuurt, is een ander bedrijf dan een dat ook het brein levert.

Wat Tell 1 op het moment van schrijven niet is, staat gedocumenteerd. Er is geen launchpost, geen changelogvermelding, geen modelkaart, geen API, geen prijsregel en geen weightrelease ergens op de site van Retell die het verder dan een label noemt. De $100M-post zelf noemt het met geen woord. De enige door Retell gepubliceerde pagina die iets substantieels zegt, is een benchmarkchangelog van 29 september 2026, met een update van november: Tell 1 "staat overall op #1 in de Retell vCX Benchmark," leidt op het gebied van spreektaal en latency, en verliest van andere modellen op grounding, instructieopvolging en tool calling. Dat is een bedrijf dat zijn eigen model bovenaan zet in een benchmark die het zelf heeft geschreven, en het zegt dat in één zin — wat meer openhartigheid is dan de meeste leveranciers opbrengen, en nog steeds geen bewijs waarop je een inkoopbeslissing kunt baseren.

De twee getallen, en wat elk ervan waard is

Het omzetcijfer is van Retell zelf en heeft de vorm van een mijlpaal van een privébedrijf in plaats van een gecontroleerd resultaat: $100 miljoen op jaarbasis, bereikt met $4,6 miljoen opgehaald kapitaal, in minder dan drie jaar, bij meer dan 4.000 klanten die samen meer dan 100 miljoen gesprekken per maand voeren. CEO Bing Wu zette de ontwikkeling op $10 miljoen naar $100 miljoen in 17 maanden en voegde toe dat het bedrijf winstgevend is. Niets daarvan is onafhankelijk geverifieerd, en "annualized run rate" is een vooruitkijkende constructie — het vermenigvuldigt een recente maand, het rapporteert geen jaar. Behandel het als een sterk signaal over adoptie, dat de klantreferenties wel ondersteunen, en niet als een financiële verklaring.

De bewering over het model is lastiger. Het veelvuldig herhaalde detail — dat Tell 1 is getraind op meer dan 1 miljoen uur klantgesprekken — wordt in secundaire berichtgeving aan Retell toegeschreven, en ik kon het op geen enkele pagina die eigendom is van Retell vinden: niet in de blog, niet in de changelog, niet in de documentatie-index, niet op de benchmarkwebsite van het model. Dat maakt het niet onwaar. Het betekent wel dat als het cijfer over het trainingscorpus van belang is voor je evaluatie — en voor een contactcenter-koper die zich zorgen maakt over waar het gedrag van het model vandaan komt, zou dat het moeten zijn — je op dit moment een citaat uit de tweede hand van een verklaring van het bedrijf overneemt. Een miljoen uur is ruwweg 114 jaar audio. Het is een plausibel aantal voor een platform dat 100 miljoen oproepen per maand verwerkt, en plausibiliteit is geen documentatie.

Wat in machineleesbare vorm is vastgelegd, is de benchmark. De vCX-site van Retell levert de resultaten als gestructureerde data, en de Tell 1-rij luidt: 88,6% instructieopvolging, 97,2% op de rij die Retell als hallucinatie labelt, 95,4% tool calling, 96,6% op de score voor de colloquial-dimensie, voor een gemiddelde van 94,45% over 62 geëvalueerde configuraties van 45 verschillende modellen. De mediane latentie is 72,5 ms en de kosten zijn 3,5 cent per minuut, waarmee het op latentie eerste van 62 staat en op kosten 19e.

Het voorbehoud in de ranglijst

Lees de rij vóór de rang. De Tell 1-vermelding is beoordeeld op benchmarkversie 17. Vijftig van de 62 rijen in diezelfde tabel zijn beoordeeld op versie 1. Slechts elf rijen staan op een versie hoger dan 1 — de nieuwste GPT-6.1- en Gemini-4-vermeldingen, een paar Claude-builds en Tell 1. Een benchmark die zijn testset laat evolueren, doet het juiste; het probleem is dat een "#1 overall" berekend over rijen uit verschillende testversies geen like-for-like rangschikking is, en de pagina compenseert daar niet voor.

Twee van de vier dimensies liggen ook dichter bij elkaar dan de kop suggereert. De tool-calling-score van Tell 1 van 95,4% staat op de vijfde plaats, en zijn instructievolging van 88,6% staat tweede, achter de 89,7% van GPT-6-Astra. Waar het echt vooroploopt, is de dimensie waarop Retell de benchmark heeft gebouwd: spreektaal, met 96,6%, een eerste plaats, en latentie, waar 72 ms geen afrondingsverschil is met de band van 550-1.400 ms die de meeste rijen beslaan. Als je de harness gelooft, is de bewering die standhoudt bij nadere beschouwing smal en specifiek — dit model is snel en klinkt als een mens — en dat is precies het paar eigenschappen waarop een telefoonagent wordt beoordeeld door een beller die niet weet dat er een model bestaat.

Waarom een platform überhaupt zijn eigen model bouwt

Retells eigen architectuur verklaart de stimulans. De homepage verdeelt de stack in drie stappen en plaatst Tell 1 in de middelste, "Reasoning & orchestratie", naast een agent-harness die modellen, kennis en tools samenbrengt. In die positie is een model geen product dat je koopt; het is een component waarvan je de kosten, latentie en gespreksregister beheert. Een platform dat een frontier-lab per token betaalt voor elk van de 100 miljoen maandelijkse calls, heeft een permanent margeprobleem en een permanente latentie-ondergrens, omdat de roundtrip naar een inferentiestack van een derde partij binnen de pauze van de beller valt. Door de middelste laag in eigen beheer te hebben, verdwijnen beide, tegen de prijs dat je goed genoeg moet zijn in de onderdelen die je hebt overgenomen.

Dat is ook de reden waarom de hiaten die Retell toegeeft, precies de hiaten zijn die het zich kan permitteren. Grounding, instructies volgen en tool calling zijn de gebieden waar een algemeen frontiermodel nog steeds wint, en het zijn de dimensies waarop de eigen prompt, kennisbank en functiedefinities van een klant het meeste werk doen. De dimensies die Retell voor zichzelf heeft gehouden, zijn de dimensies die geen enkele prompt kan oplossen: hoe snel de eerste lettergreep arriveert, en of de zin klinkt als een callcenterscript of als een collega.

De prijs die de koper bereikt, is nog steeds per minuut, niet per token: Retell vermeldt spraakagenten tegen $0,07 tot $0,31 per minuut per november 2026, een bereik waarin telefonie, spraaksynthese en het model zijn gebundeld. Tell 1 verschijnt niet als een regelitem dat je kunt selecteren of afwijzen, en dat is het praktische verschil tussen een model en een platformfunctie. Je kunt je eigen Tell 1 niet meenemen, en je kunt er nergens anders mee terecht.

Wat dit betekent als je koopt in plaats van zelf te bouwen

Voor een enterprisecontactcenter is de eerlijke samenvatting dat Tell 1 een reden is om Retell opnieuw te testen en nog geen reden om erop te standaardiseren. Drie dingen zouden dat veranderen, en geen daarvan is gebeurd. Een modelkaart waarin de herkomst van de trainingsgegevens, het contextvenster en het contract voor tool-calling zijn vastgelegd. Een gepubliceerde prijs voor het model, los van het per-minutenbundel, zodat de kosten kunnen worden vergeleken met een bring-your-own-LLM-configuratie. En een evaluatie door een tweede partij — Artificial Analysis, een publieke spraakbenchmark, of je eigen gespreksopnamen die door beide configuraties worden gehaald — want dat een leverancier zichzelf op de eerste plaats zet in zijn eigen harness is een uitgangshypothese, geen resultaat.

Als je aan het testen bent, is de test goedkoop en specifiek: neem de gesprekken die je agents daadwerkelijk afhandelen, en vergelijk Tell 1 binnen Retell met dezelfde Retell-agent die je hebt gericht op een frontiermodel dat je al vertrouwt. De benchmark voorspelt één uitkomst: Tell 1 zal sneller en natuurlijker aanvoelen, en zal meer groundingfouten maken. Of die afweging goed uitpakt, hangt volledig af van of je gesprekken opzoekvragen zijn met één juist antwoord, of gesprekken met een zenuwachtig persoon, en geen enkel leaderboard kan je vertellen welke van de twee je hebt.

Wat te kijken

De meest informatieve volgende ontwikkeling is niet een betere score. Het is een van de dingen die Retell tot nu toe niet heeft gepubliceerd: de modelkaart, de bewering over de trainingsuren in zijn eigen woorden, een prijs per model of een onafhankelijke run. Een bedrijf met een run rate van $100 miljoen en 4.000 klanten heeft alle reden om alle vier te publiceren, en het feit dat een notitie over een benchmarkupdate momenteel het volledige openbare verslag is, suggereert dat het model in productie is genomen voordat de documentatie er was. Dat is normaal voor infrastructuur en ongewoon voor een model, en dat is het punt dat je opnieuw moet controleren voordat je elk Tell 1-getal, inclusief de bovenstaande, als vaststaand citeert.