Tell 1 vs Gemma 4 12B: De een kun je op een schijf zetten, de ander kun je alleen bellen

De snelste manier om het verschil tussen Tell 1 en G​emma 4 12B te begrijpen, is te proberen beide te downloaden. G​emma 4 12B wordt geleverd als ongeveer 27 GB aan BF16-safetensors onder Apache 2.0, draait op ongeveer 110 tokens per seconde op één 24GB-kaart in een gequantiseerde build, en luistert naar jou en niemand anders. Tell 1 wordt helemaal niet geleverd. Het is Retells eigen reasoningmodel, dat in een voice-agentplatform zit dat $0,07 tot $0,31 per minuut rekent en het model niet verkoopt, er geen modelkaart voor publiceert of je toestaat het op je eigen infrastructuur te richten. Al het andere in deze vergelijking volgt uit die asymmetrie, inclusief de benchmarks, omdat een van deze modellen door iedereen met een GPU kan worden gemeten en het andere alleen door het bedrijf dat het bezit.

Beide zijn oprecht interessante releases, en ze zijn voor verschillende taken gebouwd. G​emma 4 12B is het encoderloze, middelgrote open model van G​oogle DeepMind, uitgebracht op 3 juni 2026 en ontworpen om multimodaal redeneerwerk uit te voeren op de machine vóór je. Tell 1 is de redeneerlaag van een contactcenter-stack die meer dan 100 miljoen oproepen per maand afhandelde voordat het model bestond, en het ontwerpdoel is precies het ene dat een lokaal model niet kan leveren: een eerste lettergreep die binnen de stiltetolerantie van een telefonische beller valt.

Twee dingen die een model worden genoemd, en slechts één ervan is een bestand

Gemma 4 12B heeft 11,95 miljard dense parameters, zonder aparte vision- of audio-encoder — afbeeldingspatches en audiogolven gaan rechtstreeks de transformer in, en daarom wordt de familie geleverd als één "unified" checkpoint in plaats van als een stapel torens. Het model heeft een context van 256K tokens en leest tekst, afbeeldingen, audio en videoframes. De Hugging Face-repository is meer dan 14 miljoen keer gedownload, het chatsjabloon is voor het laatst herzien op 9 juli 2026, en de licentie is Apache 2.0 zonder omzetclausule, zonder clausule over het aantal gebruikers en zonder aparte commerciële overeenkomst die moet worden onderhandeld.

Tell 1 heeft geen van die artefacten. Er is geen repository, geen configuratie, geen tokenizer, geen licentietekst en geen contextvensterwaarde gepubliceerd waar ik ook maar kon vinden op Retells eigen site — en ik heb gekeken naar de blog, de changelog, de documentatie-index, de newsroom en de model-benchmarksite van het bedrijf. De twee plekken waar het überhaupt voorkomt, zijn een label op de homepage, waar het naast "Agent harness" staat onder een kop met "Developed by Retell Labs", en een update-notitie uit november die is toegevoegd aan een changelog uit september over Retells openbare spraakbenchmark. Dat is het volledige openbare record. Het is geen schandaal; talrijke platformleveranciers leveren interne modellen zonder ze te documenteren. Maar het betekent wel dat de helft van deze vergelijking moet worden uitgevoerd op het woord van de leverancier, en de andere helft door jou, vanavond, op je eigen hardware kan worden uitgevoerd.

De vijf vragen die een van hen in het openbaar beantwoordt

Zet de twee naast elkaar op de dimensies die een koper echt nodig heeft, en de vorm van de kloof wordt meteen duidelijk. Beide kanten van elke regel, want het draait om de tegenstelling, niet om een score:

• Gewichten — G​emma 4 12B publiceert ze, Apache 2.0, zelf te hosten, fine-tunebaar, herdistribueerbaar; Tell 1 publiceert niets en is alleen bereikbaar als onderdeel van een Retell-spraakagent.

• Grootte — 11,95 miljard dense parameters, ongeveer 27 GB in BF16 en minder dan 7 GB gekwantiseerd, voor Gemma; niet bekendgemaakt voor Tell 1, en het feit dat het antwoordt met een mediaan van 72 ms binnen de harness van Retell impliceert een klein, doelgebouwd model in plaats van een generalistische frontier-model, maar dat is een gevolgtrekking, geen documentatie.

• Context — 256K tokens voor G​emma 4 12B; niet vermeld voor Tell 1, wat voor een telefoonagent minder alarmerend is dan het klinkt, aangezien een gesprek kort is en de kennisbank buiten het model staat.

• Modaliteiten — G​emma neemt tekst, beeld, audio en video en geeft tekst terug; Tell 1 neemt de transcript-en-tools-payload die een spraakplatform eraan geeft, en wat het nog meer accepteert, is niet gepubliceerd.

• Bewijs — G​emma heeft een leverancierskaart (DocVQA 94,9, InfoVQA 88,4, MMLU-Pro 77,2, GPQA Diamond 78,8, allemaal door G​oogle gerapporteerd) plus een onafhankelijke Artificial Analysis Intelligence Index van 14 bij ongeveer 110,9 tokens per seconde; Tell 1 heeft één rij in een benchmark die de eigenaar ervan heeft geschreven, wat hieronder aan bod komt.

Merk op welke kolom langer is. Dit is geen kritiek op de kwaliteit van Tell 1; het is een uitspraak over wat je kunt verifiëren voordat je geld uitgeeft. Een model dat je kunt downloaden, kun je in een middag tegen je eigen data testen. Een model dat je alleen kunt huren, test je door het te huren.

Wat het belangrijkste cijfer van Tell 1 eigenlijk meet

De vCX Benchmark van Retell publiceert de resultaten als gestructureerde data in plaats van als een marketinggrafiek, wat meer is dan de meeste leveranciersranglijsten doen. Tell 1 staat in een tabel van 62 geëvalueerde configuraties afkomstig uit 45 modellen, en de regel is het sterkst aan het conversationele uiteinde: 96,6% op Retells colloquiale dimensie en een mediaan van 72,5 ms, op beide als eerste in het veld. Dezelfde regel laat een tweede plaats zien bij instructieopvolging en in de rij die Retell als hallucinatie bestempelt, een vijfde plaats bij tool calling, en een modelkostenpost van 3,5 cent per minuut die het op de 19e plaats van 62 zet. Neem je het gemiddelde van de vier dimensies, dan krijg je 94,45%, het cijfer waarmee Retell voor de dag komt.

Bij die rangen horen twee kanttekeningen, en geen van beide betekent dat Retell oneerlijk is — de data ondersteunen simpelweg geen schonere lezing. Ten eerste: de rij van Tell 1 draagt benchmarkversie 17, terwijl 50 van de 62 rijen versie 1 dragen; een benchmark die zijn taken herziet, doet het juiste, maar een "#1 overall" berekend over twee verschillende testsets is een aggregaat, geen gelijkwaardige vergelijking, en de pagina normaliseert daarvoor niet. Ten tweede: de vier dimensies zijn het niet met elkaar eens. Tell 1 is in zijn eigen benchmark niet het beste model in het volgen van instructies of in het aanroepen van tools — GPT-6-Astra scoort 89,7% op instructieopvolging tegenover 88,6% voor Tell 1, en minstens één Claude-build komt net voor op tool calls. Wat het zonder meer wint, zijn de twee dingen die een beller kan horen: het is het snelst en het klinkt het meest als een mens.

Eén getal om goed te onderscheiden, want in de berichtgeving worden de twee door elkaar gehaald: 72 ms is de latentie van het model binnen de harness, niet de ervaring van de beller. De homepage van Retell noemt een typische responstijd van de agent van ongeveer 600 ms end-to-end, inclusief spraakherkenning, orkestratie, de modelbeurt en spraaksynthese. Beide getallen kunnen kloppen. Alleen het tweede is wat iemand aan de telefoon ervaart.

Waar elk ervan thuishoort in een stapel

G​emma 4 12B is een slechte keuze voor een live telefoonagent, en niet vanwege de kwaliteit. Een 12B dense model op één GPU is een prima component, maar de roundtrip via je eigen serving-stack, plus spraakherkenning en -synthese, is wat de end-to-end reactietijd in het bereik duwt waar bellers over de agent heen beginnen te praten. G​oogles eigen framing voor de 12B is agentisch werk op een laptop — documentbegrip, scherm lezen, toolgebruik, hulp bij coderen — en die framing klopt. Als je honderdduizend facturen per nacht moet verwerken, een privécorpus hebt dat je niet naar een derde partij kunt sturen, of een offline veldapparaat gebruikt, kan Tell 1 niet concurreren, omdat Tell 1 daar helemaal niet kan worden ingezet.

Tell 1 is het tegenovergestelde. Het kan Retell niet verlaten, kan door jou niet op je transcripties worden fine-getuned, en kan niet door een derde partij worden gebenchmarkt zonder medewerking van Retell. Wat het wel kan, is antwoorden binnen een platform dat al de telefonie, de beurtwisseling en de stem bezit, en dat in 72 ms doen — het deel van de stack dat geen enkele hoeveelheid prompt engineering oplost. Als je een contactcenteragent koopt in plaats van er een te bouwen, is dat de enige kolom die ertoe doet.

Het middenveld is waar de meeste teams uiteindelijk terechtkomen: een klein self-hosted model voor het gros van het deterministische werk en een gehost frontiermodel voor de moeilijke momenten. Geen van deze twee modellen is de natuurlijke keuze voor die tweede plek, en dit is waar onze eigen catalogus relevant is. Noch Tell 1, noch G​emma 4 12B is routeerbaar via OrcaRouter — we hosten Tell 1 niet, en de G​emma 4-groottes die we aanbieden zijn de 31B Instruct en de 26B A4B, niet de 12B. Die twee zijn geprijsd tegen de lijstprijs van de provider zonder enige toeslag, $0,13 input en $0,38 output per miljoen tokens voor de 31B en $0,06 en $0,33 voor de 26B A4B, wat het eerlijke vergelijkingspunt is als wat je van de 12B wilde "een G​emma 4 die ik kan aanroepen zonder een GPU te bezitten" was.

Kosten, omgerekend naar dezelfde eenheid

Een platformprijs per minuut vergelijken met een modelprijs per token is precies waar de meeste van deze analyses stilletjes vals spelen, dus hier is de omrekening in plaats van een oordeel. Tell 1 heeft geen aparte prijs; het zit in Retells $0,07 tot $0,31 per minuut, en de benchmarkrij waarin het voorkomt vermeldt 3,5 cent per minuut aan modelkosten, wat binnen die band valt in plaats van die te vervangen. G​emma 4 12B is bij de gecombineerde $0,10 per miljoen input en $0,30 per miljoen output van Artificial Analysis per token ongeveer gratis, en dan betaal je voor de GPU: een 24 GB-kaart die een uur draait kost meer dan duizend minuten van Retells goedkoopste tier, dus de omslag gebeurt alleen bij aanhoudend volume met een hoge bezettingsgraad.

• Kosteneenheid — dollars per minuut gesprek voor Tell 1; dollars per miljoen tokens plus GPU-uren voor Gemma 4 12B.

• Break-even — G​emma wint op marginale kosten zodra je GPU's toch al bezet zijn; Tell 1 wint op totale eigendomskosten tot het volume groot genoeg is om een kaart verzadigd te houden.

• Verborgen regelitems — Tell 1 bundelt telefonie, spraaksynthese en de harness in één bedrag; een zelfgehoste G​emma-stack factureert je apart voor de ASR, de T​TS, de servinglaag en de oproepbare engineer.

Welke moet je kiezen?

Als de vereiste een telefoonagent is die dit kwartaal menselijk klinkt, is Tell 1 van de twee de enige die een product is, en de benchmark — inclusief de kanttekeningen — zegt dat datgene waarin hij het beste is precies is wat je koopt. Test hem tegen het model dat je op dit moment vertrouwt binnen dezelfde Retell-agent, luister naar twintig gesprekken en tel de grounding-fouten, want dat is waar Retells eigen data zegt dat hij verliest.

Als de vereiste een model is dat je kunt inspecteren, fine-tunen, privé kunt hosten, binnen een product kunt herdistribueren of zonder netwerk kunt draaien, dan is Gemma 4 12B niet alleen de betere optie — het is de enige optie op deze pagina. Apache 2.0 en een contextvenster van 256K bij 12B vormen een combinatie die elke maand nuttiger wordt, en de 14 miljoen downloads suggereren dat veel teams die conclusie al hebben getrokken.

De vraag die je vóór beide aankopen moet stellen, is welke van die twee zinnen jouw probleem beschrijft, want het zijn niet hetzelfde probleem, en geen enkele benchmark kan je vertellen welke van de twee je hebt.